基于EMD-LSTM的港口高程预测分析

摘要

港口作为全球资源配置的枢纽，在经济、文化等方面都有着重大意义。因此，准确预测其高程变化对于港
口的安全管理和工程规划至关重要。本文基于经验模态分解（EMD）与长短期记忆神经网络（LSTM）相结合的神
经网络组合模型，将其应用于港口监测点的高程时序预测。该模型采用EMD方法将港口监测点高程时序数据分解为
若干个固有模态分量（IMF）和一个单调的趋势项（RES）。将每个分量及趋势项分别建立LSTM神经网络模型进行
预测并求和得到预测结果。最后，构建BP神经网络模型、CNN卷积神经网络模型，将EMD-LSTM组合模型预测结
果与真实的高程时序数据、LSTM预测结果进行对比。研究结果表明，针对非线性数据，EMD-LSTM组合模型的预
测精度最高，在输入变量中增加EMD分解能够有效提高LSTM的预测准确性。该研究为港口高程监测提供了一种新
的技术方案，能够为港口安全管理、风险评估和决策提供科学支持。