[发明专利]一种基于小波分解-神经网络的海浪波高预测方法

权利要求书

1.一种基于小波分解-神经网络的海浪波高预测方法，其特征在于

通过浮标数据生成时间序列，对该时间序列进行两层分解后重构，解决序列中的杂波；对浮标数据做神经网络训练样本的处理，对浮标数据做神经网络训练样本的处理过程如下：

第一个训练样本的输入样本为x₁，x₂…x_m；理想输出为x_m+1，x_m+2…x_m+n；

第二个训练样本的输入样本为x₂，x₃…x_m+1；理想输出为x_m+2，x_m+3…x_m+n+1；

第三个训练样本的输入样本为x₃，x₄…x_m+2；理想输出为x_m+3，x_m+4…x_m+n+2；

依此规律，第t个训练样本的输入样本为x_t，x_t+1…x_m+t-1；理想输出为x_m+t，x_m+t+1…x_{m +t-1+n}；

进行神经网络模型的训练，对时间序列进行小波分解重构，训练中不断优化训练样本及小波分解层数，利用反馈神经网络进行训练建立相应的小波分解-神经网络模型，小波分解-神经网络模型选择一层小波分解；

利用在神经网络建立的测试样本对小波分解-神经网络模型进行测试样本测试。

2.根据权利要求1所述的一种基于小波分解-神经网络的海浪波高预测方法，其特征在于神经网络训练样本处理时选择的浮标数据为每天每小时同一时刻的数据。

3.根据权利要求1所述的一种基于小波分解-神经网络的海浪波高预测方法，其特征在于m等于5，即第t个训练样本的输入样本为x_t，x_t+1，x_t+2，x_t+3，x_t+4，输出样本为x_5+t，x_6+t…x_4+t+n。

4.根据权利要求1或3所述的一种基于小波分解-神经网络的海浪波高预测方法，其特征在于n等于1，即第t个训练样本的输出样本为x_m+t。

5.根据权利要求1所述的一种基于小波分解-神经网络的海浪波高预测方法，其特征在于采用测试样本，分别通过对未来六小时、未来十二小时和未来十八小时的海浪波高数据预测，进行小波分解-神经网络模型的可靠性测试。