一种基于多模态分解和深度学习的北大西洋涛动预测方法

摘要

本发明涉及一种基于多模态分解和深度学习的北大西洋涛动预测方法，包括：采集北大西洋涛动相关参数的历史时序数据，获得数据集；对数据样本进行离散小波分解，获得具有不同频率的多模态分量；对多模态分量进行0‑1标准化操作；将多模态分量分别输入对应的训练好的深度学习网络，对应获得多个预测数据；对多个预测数据进行逆变换和重构，获得预测序列；根据预测序列预测北大西洋涛动事件。与现有技术相比，本发明具有准确率高、可靠度高等优点。