买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：大连海事大学

摘要：本发明公开了一种基于EEMD‑PE‑LSTM的短时船舶交通流量预测方法，包括以下步骤：建立船舶交通流量序列xt；利用EEMD算法分解船舶交通流量序列xt得到IMF分量和残差；之后利用PE算法对IMF分量进行相空间重构，将IMF分量重构为高低频分量；然后将高低频分量和残差分别输入至LSTM模型得到对应的预测值；再将各预测值叠加得到最终预测结果；最后通过熵权优劣解距离法对最终预测结果进行综合评价。本发明基于EEMD算法的非平稳时间序列分析能力、PE算法的时间序列复杂度简化能力以及LSTM模型的非线性时间序列拟合能力，在提高预测精度的同时，大幅缩短了模型运算时间。

主权项：1.一种基于EEMD-PE-LSTM的短时船舶交通流量预测方法，其特征在于，包括以下步骤：S1、基于深度学习理论的LSTM模型建立船舶交通流量序列xt；S2、利用EEMD算法对所述船舶交通流量序列xt进行分解，得出n个本征模函数分量和一个残差；所述步骤S2包括以下步骤：S21、在所述船舶交通流量序列xt中添加m个具有标准正态分布的白噪声nit，i＝1,2,…,m，得到m个新的时间序列Xit，表示为：Xit＝xt+nit；S22、分别对所述m个新的时间序列Xit进行EMD分解，每个序列得到n个本征模函数分量cijt，i＝1,2,…,m；j＝1,2,…,n，和一个残差rit，i＝1,2,…,m，表示为： S23、对总数为m×n个本征模函数分量cijt进行集合平均运算，完成EEMD分解，得到n个本征模函数分量ci和一个残差r，表示为： S3、通过PE算法对所述n个本征模函数分量进行相空间重构，得出每一个本征模函数分量对应的熵值，并根据熵值大小将所述n个本征模函数分量重构为高频分量和低频分量；S4、将所述高频分量、低频分量和残差分别输入至LSTM模型进行预测，得出高频分量预测值、低频分量预测值和残差预测值，将所述三种预测值叠加，得到短时船舶交通流量的最终预测结果；S5、对最终预测结果进行误差验证得出误差指标，计算各模型的运算时间，根据所述误差指标和所述运算时间对各个模型进行综合评价；所述步骤S5中做综合评价的模型包括：LSTM模型、EEMD-LSTM模型和EEMD-PE-LSTM模型；所述综合评价采用熵权优劣解距离法计算各模型的综合评价值，所述熵权优劣解距离法包括以下计算步骤：S51、设评价模型有x个，评价指标有y个，此时评价模型x＝3，评价指标y＝3，所述评价指标包括：ERMSE、EMAE和模型运算时间，构造的初始决策矩阵为： 公式3中：aij为模型指标结果，i为模型编号，j为指标编号；S52、对所述指标结果做属性趋同处理，包括：对高优指标正向化处理： 对低优指标逆向化处理： 公式4和5中：amax为列指标最大值，amin为列指标最小值。S53、根据处理后的指标结果计算所述评价指标的信息熵，并确定各模型对应的熵权；指标的信息熵计算公式为： 公式6中： 各模型对应的熵权的计算公式为： 公式7中：S54、根据所述各模型对应的熵权构建标准化后的决策矩阵： 公式8中：cij＝wj×bij；S55、根据所述标准化后的决策矩阵确定最优最劣模型；最优模型由决策矩阵C中每列的最大值组成，用C+表示；最劣模型由决策矩阵C中每列的最小值组成，用C-表示，表达式为：C+＝maxc1,maxc2,…,maxcy；C-＝minc1,minc2,…,mincy；S56、计算各模型与最优最劣模型之间的曼哈顿距离si+和si-，表达式为： S57、根据所述曼哈顿距离计算出各模型的综合评价值Ei，表达式为：

全文数据：

权利要求：

百度查询： 大连海事大学 一种基于EEMD-PE-LSTM的短时船舶交通流量预测方法