摘要： 該文采用自適應噪聲完全集合經(jīng)驗模態(tài)分解-長短期記憶方法（CEEMDAN-LSTM）對風暴潮潮位進行短期時間序列預測，并與常用機器學習模型進行對比分析，結果表明：基于CEEMDAN-LSTM的神經(jīng)網(wǎng)絡對工程區(qū)風暴潮潮位的短期特征能進行高精度的預報，其穩(wěn)定性和精度較常規(guī)機器學習模型都有較大的改進。 （共8頁）