基于多维特征融合的航道水位GRU预测模型研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：文章针对传统时间序列模型因考虑特征维度不足而导致模型精度差和鲁棒性不佳的问题，提出基于多维特征融合与循环神经网络的MF-GRU河流水位预测模型。该模型从航道水位数据的时域、频域和经验模式分解等多个维度共提取了19个特征，并训练GRU循环神经网络模型实现了水位的精准预测。同时，以大藤峡上下游航道水域水位数据为实验对象，验证了MF-GRU模型的预测精度和泛化性能，获得了比经典GRU模型更优的水位预测精度。（剩余3568字）

试读结束

目录
monitor
客服机器人