Predicción de la altura significativa de las olas utilizando un modelo VMD-LSTM-rolling en el Mar del Sur de China

La predicción precisa de la altura significativa de las olas es crucial para la ingeniería oceánica. Los modelos tradicionales de predicción de series temporales no logran resultados satisfactorios debido a la no estacionaridad de la altura significativa de las olas. Se adoptan algoritmos de descomposición para abordar el problema de la no estacionaridad, pero el método de descomposición directa tradicional presenta fugas de información. En este estudio, se propone un modelo híbrido VMD-LSTM-rolling para la predicción de la altura de olas no estacionarias. En este modelo, las series temporales se generan mediante un método rolling, después de lo cual cada serie temporal se descompone, se entrena y se predice, luego se combinan las predicciones de cada serie temporal para generar la predicción final de la altura significativa de las olas. Se comparan el rendimiento del modelo LSTM, el modelo VMD-LSTM-directo y el modelo VMD-LSTM-rolling en términos de predicción de múltiples pasos. Se ha encontrado que el error del modelo VMD-LSTM-directo y el modelo VMD-LSTM-rolling es menor que el del modelo LSTM. Debido a la descomposición del conjunto de pruebas, el modelo VMD-LSTM-directo tiene una precisión ligeramente mayor que el modelo VMD-LSTM-rolling. Sin embargo, dada la cuestión de las fugas de información, se considera falsa la precisión del modelo VMD-LSTM-directo. Así, se ha demostrado que el modelo VMD-LSTM-rolling exhibe superioridad en la predicción de la altura significativa de las olas y puede aplicarse en la práctica.