基于LSTM的船闸位移预测模型研究.pdf
《基于LSTM的船闸位移预测模型研究.pdf》由会员分享,可在线阅读,更多相关《基于LSTM的船闸位移预测模型研究.pdf(4页珍藏版)》请在咨信网上搜索。
1、2023 年 8 月 25 日第 7 卷 第 16 期现代信息科技Modern Information TechnologyAug.2023 Vol.7 No.161551552023.082023.08收稿日期:2023-03-04基于 LSTM 的船闸位移预测模型研究丁腾腾(珠江水利委员会珠江水利科学研究院,广东 广州 510611)摘 要:船闸在长期服役过程中会因为温度、水压等因素影响产生形变,严重危害通航安全。为实现精准的船闸位移预测,构建高效的船闸预测模型,文章引入深度学习方法,基于某大坝船闸的历史观测数据,利用长短记忆神经网络构建了船闸位移预测模型。结果显示文章所提模型最终的预测效
2、果 MAE 达到了 0.008 1 mm,AEmax 达到了 0.015 4 mm,RMSE 达到了 0.009 9 mm,均远优于传统的多元线性回归方法。说明该模型具有良好的预测性能,为实现船闸的安全预警提供了一种新方法。关键词:船闸;LSTM;位移预测中图分类号:TP183 文献标识码:A 文章编号:2096-4706(2023)16-0155-04Research on Ship Lock Displacement Prediction Model Based on LSTMDING Tengteng(Pearl River Water Resources Institute of Pe
3、arl River Water Conservancy Commission,Guangzhou 510611,China)Abstract:The ship locks will be deformed during long-term service due to temperature,water pressure and other factors,which seriously endangers navigation safety.In order to achieve accurate ship lock displacement prediction and build an
4、efficient ship lock prediction model,this paper introduces the Deep Learning method and constructs a ship lock displacement prediction model based on the historical observation data of a dam ship lock using LSTM neural network.The results show that the final prediction effect of MAE reaches 0.008 1
5、mm,AEmax reaches 0.015 4 mm and RMSE reaches 0.009 9 mm,which are better than the traditional multivariate linear regression method.The model proposed in this paper has good prediction performance and provides a new method to realize the safety warning of ship locks.Keywords:ship lock;LSTM;displacem
6、ent prediction0 引 言20 世纪 70 年代以来,我国大坝的建设取得了飞速发展,先后建成了三峡、小浪底、溪洛渡等多座大坝。然而,在河道上修建的大坝会截断河道,阻隔上下游贯通。因此,船只需要借助船闸来通航,实现大坝的跨越,保证流域航道的贯通。水利部的第一次全国水利普査公报1显示:截至 2013 年,我国现有船闸高达 27 万余座,是世界上船闸数量最多的国家之一。如此多数量的船闸为我国水路交通网的构建和水运事业的发展做出了巨大的贡献。可以说,船闸的安全与稳定关系到船只的安全、航道的通畅以及水运的发展等2,3。然而,船闸在长期服役过程中,会因为水压的作用、温度的影响、材料的劣化等因素
7、不可避免的发生位移对船闸的安全运行造成影响2。因此,基于环境因素对船闸的位移量做出预测,进而对其安全程度进行预警是提升船闸稳定运行水平,实现智能DOI:10.19850/ki.2096-4706.2023.16.034化管理的重要任务2,4。当前,关于船闸位移预测的研究,可以按照研究方法的不同分成两部分:基于数值模型和基于统计回归的研究。基于数值模型的研究主要是通过有限元等算法,从力学角度预测船闸在外部环境作用下会出现的位移变化。典型的研究比如:苑敬舜5根据实际工程资料,基于有限元对船闸闸首部位进行数值模拟,实现了闸首的位移预测。凌威则利用有限元建立了船闸-岩土-支护桩耦合数值分析模型,对受基
8、坑开挖影响的船闸的位移做出预测。不过基于有限元的数值模拟方法虽然准确,但其需要大量的力学参数参数的确定十分困难,而且数值模拟的速度较慢,难以实现快速的预警。基于统计回归的方法主要是:找出影响船闸位移的环境量,根据环境量的测值与船闸位移的变化值,通过相关统计回归模型(比如:多元线性回归和机器学习方法)进行回归分析。本文考虑到船闸的位移是多因素耦合作用的结果,其位移具有不确定性和非线性的特点,引入深度学习的方法,将 LSTM 模型引入船闸位移预测,基现代信息科技8月下16期.indd 155现代信息科技8月下16期.indd 1552023/8/15 17:38:272023/8/15 17:38
9、:27156156第 16 期现代信息科技2023.082023.08于其强大的数据拟合能力、信息选择记忆能力以及泛化能力,提出基于LSTM算法的船闸位移预测模型。本文首先介绍了 LSTM 的原理和算法架构;其次基于工程实测的温度、水压和位移序列数据,建立了多输入单输出的船闸位移模型;然后,将数据输入模型中进行训练,并利用训练出的网络在验证集上做位移预测,并与多元线性回归方法进行比较,评估 LSTM算法在船闸位移预测方法中的可行性和优越性。最终建立基于 LSTM 的船闸位移预测模型。1 LSTM 模型介绍长短记忆神经网络(Long Short-Term Memory,LSTM)是一种强大的机器
10、学习算法,其改善了RNN 中存在的长期依赖问题,能够学习长序列的依赖关系,可作为复杂的非线性单元用于构造更大型深度神经网络,非常适合用于进行映射关系挖掘和时序预测。LSTM 由 Hochreiter 等提出,其整体结构如图 1 所示。LSTMLSTMLSTMht1xt1htxtht+1xt+1ht2ct2ht+1ct+1图 1 LSTM 模型整体结构示意图通过将环境量按照时序逐步、循环地输入到LSTM 单元中,而后比较输出结果与预期结果间的差异,来实现单元内部参数的优化。不过,不同于传统 RNN 的是,LSTM 模型内部引入了门控机制,使得 LSTM 可以实现长序列数据的学习,其内部的结构如图
11、 2 所示。hxtz=tanh(wht1t1t1xt)zf=(wfht1xt)zi=(wiht1xt)zo=(woht1xt)cctht图 2 LSTM 模型内部结构示意图图 2 中:表示操作矩阵中对应的元素相乘,表示矩阵相加;xt表示当前序列的输入数据,ht-1表示上一个状态传递下来的数据,两者拼接得到四个状态:z f、zi、zo和 z。其中 z f、zi、zo表示由拼接向量乘以权重矩阵之后通过一个 sigmoid 激活函数转换成 0 到 1 之间的数值,来作为一种门控状态,而 z 则是将结果通过一个 tanh 激活函数将转换成-1到 1 之间的值。ct表示在长时间学习中,之前状态需要被记录
12、的内容:(1)(2)sigmoid 和 tanh 的算式为:(3)(4)LSTM 在训练的时候主要分三个阶段:忘记阶段、选择记忆阶段和输出阶段。忘记阶段是对上一个节点传进来的输入进行选择性忘记,即通过计算得到的 z f(f 表示 forget)来作为忘记门控,来控制上一个状态的 C t-1哪些需要留哪些需要忘。选择记忆阶段则是将这个阶段的输入有选择性地进行“记忆”。当前的输入内容由前面计算得到的 z 表示。而选择的门控信号则是由 z(i 代表 information)来进行控制。输出阶段将决定哪些将会被当成当前状态的输出主要是通过 zo来进行控制并对上一阶段得到的 co进行放缩(通过一个 ta
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 LSTM 船闸 位移 预测 模型 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。