融合改进优化算法与深度学习的海平面变化预测OA北大核心CHSSCDCSTPCD

【目的】提升海平面预测精度,提高防范水文灾害的能力。【方法】采用融合切比雪夫混沌映射(Chebyshev)和反向差分学习(OBL-DE)机制改进鹈鹕算法,结合双向长短期记忆网络(Bi-directional long short-term memory,BILSTM)预测模型,为BILSTM寻找最佳参数组,利用日本验潮站数据,通过使用机器学习方法测定未来海平高变化,计算预测值与实际值的平均绝对值、均方根误差、平均绝对百分比误差。【结果】提出一种改进鹈鹕优化算法(Improve pelican optimization algorithm,IPOA)解决鹈鹕优化算法在实际应用中容易陷入局部最优的问题,基于IPOA-BILSTM模型寻找的最优参数组为[366,450,0.01,488],提高在复杂环境下探索最优解的效率。8个预测模型的海平面高对比实验结果表明,IPOA-BILSTM预测模型的预测误差最低,平均绝对误差值为10.53 mm、均方根误差值28.69 mm、平均绝对百分比误差0.14%,结果验证了IPOA-BILSTM模型更适合该区域的海平面高预测。【结论】本研究提出的预测模型IPOA-BILSTM,在日本验潮站数据中实现了高性能的预测,提升了海平面预测的精度,为海平面变化研究提供参考。