一种基于深度学习的海浪高度预测方法及其应用

本发明公开了一种基于深度学习的海浪高度预测方法及其应用，方法：将海浪数据信息分别输入AM‑LSTM模型和CatBoost模型获取输出P1和P2后，按照以下公式对P1和P2进行重构得到预测序列P；P＝q2*P1+q1*P2，其中，w1是指经AM‑LSTM模型输出的MAE、RMSE及MAPE的均值，w2是指经CatBoost模型输出的MAE、RMSE及MAPE的均值。本发明的海浪高度预测方法，兼顾了深度学习中的LSTM在处理长期数据预测方面的优势以及注意力机制本身的特点和CatBoost的参数少、训练快和不易过拟合的特点，对预测后的数据进行重构，其预测精度高，泛化性能强，特别适用于海浪高度的预测，极具应用前景。