基于RF-WOA-VMD-BiGRU-Attention的神经网络模型在海浪预测中的应用

作     者：李练兵 张燕亮 吴伟强 魏玉憧 李佳根 卢盛欣 LI Lian-bing;ZHANG Yan-liang;WU Wei-qiang;WEI Yu-chong;LI Jia-gen;LU Sheng-xin

作者机构：河北工业大学人工智能与数据科学学院天津300130 河北建投海上风电有限公司唐山063000 

出 版 物：《科学技术与工程》 (Science Technology and Engineering)

年 卷 期：2024年第24卷第7期

页      面：2638-2646页

学科分类：07[理学] 070601[理学-气象学] 0706[理学-大气科学] 

基　　金：河北建投海上风电有限公司项目(HD2209) 

主　　题：海浪预测 随机森林 鲸鱼优化算法 变分模态分解 双向门控循环单元 注意力机制 

摘      要：海上风电场的海况数据极其复杂导致用于海浪高度预测的输入参数极其不稳定,筛选出关键信息,提高输入参数的质量可以极大地提高海浪高度预测的准确性。以乐亭菩提岛风电场近一年的海上数据为基础,构建了一种基于随机森林(random forest, RF)、鲸鱼优化算法(whale optimization algorithm, WOA)、变分模态分解(variational mode decomposition, VMD)和双向门控循环单元(bidirectional gated recurrent unit, BiGRU)的海浪预测模型。该模型利用随机森林对环境特征等输入变量进行筛选,有效减少数据冗余,然后基于WOA-VMD模型自适应确定最优参数和自适应分解原始序列,提高数据质量并消除数据噪声的干扰。此外,针对海浪预测提出了一种基于注意力机制优化的BiGRU算法,随机森林的注意力机制将为BiGRU的隐藏层状态分配不同的权重,加强关键信息的影响。实验结果表明该模型和其他模型对比,输入质量更高,预测精度更高,拟合程度更准确,对风电场海浪预测有着重大意义。