Prediction of significant wave height based on EEMD and deep learning
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Accurate and reliable wave significant wave height(SWH) prediction is an important task for marine and engineering applications. This study aims to develop a new deep learning algorithm to accurately predict the SWH of deep and distant ocean. In this study, we combine two methods, Ensemble Empirical Mode Decomposition (EEMD) and Long Short-Term Memory (LSTM), to construct an EEMD-LSTM model, and explore the optimal parameters of the model through experiments. A total of 5328 hours of SWH data from November 30, 2020, to July 9, 2021, are used to train and test the model to predict the SWH for the future 1h, 3h, 6h, 12h, and 18h. The results show that the EEMD-LSTM model has the best results compared with other comparative models for short-term and medium- and long-term predictions. The RMSEs are 0.0204, 0.0279, 0.0452, 0.0941, and 0.1949 for the SWH prediction in the future 1, 3, 6, 12, and 18 h. It can be used as a rapid SWH prediction system to ensure navigation safety to a certain extent, which has great practical significance and application value.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle