基于小波图神经网络的有效波高预测
机器学习
2021-07-21 v1 人工智能
摘要
基于计算智能的海洋特征预报应用，如有效波高 (SWH) 预测，对于避免沿海城市的社会与经济损耗至关重要。相较于传统的基于经验或数值的预报模型，包括机器学习与深度学习模型在内的“软计算”方法近年已取得诸多成功。本文致力于使深度学习模型同时学习 SWH 预测的短期与长期时空依赖。提出小波图神经网络 (WGNN) 方法，以融合小波变换与图神经网络的优势。若干并行图神经网络分别在经小波分解的数据上训练，各模型预测的重构构成最终 SWH 预测。实验结果表明，所提 WGNN 方法优于其他模型，包括数值模型、机器学习模型及若干深度学习模型。
引用
@article{arxiv.2107.09483,
title = {Significant Wave Height Prediction based on Wavelet Graph Neural Network},
author = {Delong Chen and Fan Liu and Zheqi Zhang and Xiaomin Lu and Zewen Li},
journal= {arXiv preprint arXiv:2107.09483},
year = {2021}
}
备注
Accepted by 2021 4th International Conference on Big Data and Artificial Intelligence (BDAI). Best presentation winner