龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中交四航工程研究院有限公司;中交第四航务工程局有限公司
摘要：本发明提出了一种基于CNN‑BiLSTM‑ATTENTION的潮位预测方法及系统，属于海洋工程领域；本发明分别通过深度特征提取：CNN适合提取局部空间特征，能够深层次的提取潮位数据信息中的特征；全面的时间序列信息：BiLSTM在具备LSTM优势的同时，还能在时间维度上考虑前向和后向的双向时间序列信息，使得预测更加全面准确；注意力机制：注意力机制可以对信息进行权重的分配，最后进行带权求和，从而捕获到最重要的信息，因此其具有较强的可解释性；因此，基于CNN‑BiLSTM‑ATTENTION的潮位预测方法在深度学习算法下，通过建立泛化能力更强的理论模型，从而可以实现更高精度的潮位预测。
主权项：1.一种基于CNN-BiLSTM-ATTENTION的潮位预测方法，其特征在于，所述方法包括：1数据预处理；将采集到的海洋潮位数据进行预处理，包括数据缺失值和重复值处理，然后进行归一化，将归一化完成后的数据分成训练集和测试集；2CNN模型的构建；所述CNN为卷积神经网络，将1中得到的海洋潮位数据训练集输入到CNN模型中，通过CNN中的各层结构对海洋潮位数据训练集进行训练，提取海洋潮位数据的特征；所述CNN中的各层结构包括：输入层、卷积层、池化层、全连接层和输出层；3BiLSTM模型的构建；所述BiLSTM为双向长短时记忆网络，通过双向长短时记忆网络对CNN提取的海洋潮位数据特征进行序列建模；并通过适当调整神经网络的层数，以适应潮位数据的时序依赖性；4通过Attention更新权重值；所述Attention为注意力机制，通过注意力机制加强对序列中关键时刻海洋潮位特征的关注，对提取的特征增加权重值，并更新权重，提高模型对潮位变化的准确预测；5进行模型评估；根据MAE和RMSE的评价指标对2、3和4共同训练好的模型进行潮位预测上的性能的评估。
全文数据：
权利要求：
百度查询： 中交四航工程研究院有限公司 中交第四航务工程局有限公司 一种基于CNN-BiLSTM-ATTENTION的潮位预测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号