采用長(zhǎng)短時(shí)記憶（LSTM）神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法對(duì)某島礁地形模型的四個(gè)典型波浪試驗(yàn)數(shù)據(jù)進(jìn)行預(yù)測(cè)分析,并建立了單步和多步預(yù)測(cè)模型.首先對(duì)波高時(shí)間序列數(shù)據(jù)進(jìn)行歸一化處理;然后建立了包括輸入層、隱藏層和輸出層的LSTM網(wǎng)絡(luò)模型框架;最后對(duì)測(cè)試樣本進(jìn)行單步預(yù)測(cè),將預(yù)測(cè)結(jié)果與支持向量機(jī)（SVM）模型和反向傳播（BP）模型進(jìn)行了對(duì)比.結(jié)果表明:LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)精度有明顯優(yōu)勢(shì);多步預(yù)測(cè)中,提高預(yù)測(cè)時(shí)長(zhǎng)其預(yù)測(cè)精度并無明顯降低. 

【文章來源】：華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,48(07)北大核心EICSCD

【文章頁數(shù)】：5 頁

【部分圖文】：

工況1下波浪演化波面的時(shí)間序列三種模型在畸形波附近預(yù)測(cè)誤差比較如3所

?尾ǖ腦げ?精度明顯提高．為突出不同預(yù)測(cè)模型對(duì)畸形波的預(yù)測(cè)精度，后續(xù)工況僅給出畸形波位置處的預(yù)測(cè)誤差比較．圖3工況1下三種模型在畸形波附近預(yù)測(cè)誤差比較工況2也屬于單峰型，H6浪高儀位置，HS=2.89cm，t=45.96s時(shí)達(dá)到maxH=6.33cm，此時(shí)波高比為2.19．將t=0～39.32s的數(shù)據(jù)作為訓(xùn)練集用于擬合模型t=39.34～63.84s的數(shù)據(jù)作為測(cè)試集用于評(píng)估模型性能．訓(xùn)練集期間的數(shù)據(jù)畸形波特征不明顯，而測(cè)試集期間的數(shù)據(jù)包含明顯的畸形波．波浪演化的波面時(shí)間序列如圖4所示，工況2測(cè)點(diǎn)處海底地形變化較大，總體來說此類區(qū)域畸形波生成的概率偏大，說明由于地形的變化，畸形波的產(chǎn)生也受到了一定影響．畸形波形成于45.96s，不同于其他畸形波，屬于波形幅度變化較小的類型，峰值為3.69cm．圖4工況2下波浪演化的波面時(shí)間序列三種模型畸形波附近預(yù)測(cè)結(jié)果如圖5所示．與SVM和BP模型相比，LSTM預(yù)測(cè)畸形波的精度更高．工況3測(cè)點(diǎn)處，HS=4.59cm，t=53.92s時(shí)達(dá)到最大波高6.06cm，此時(shí)波高比為2.04．工況3使用前57.36s的數(shù)據(jù)構(gòu)建訓(xùn)練集，t=57.38～81.88s的數(shù)據(jù)構(gòu)建測(cè)試集，其中訓(xùn)練集和測(cè)試集期間的數(shù)據(jù)都包含明顯的畸形波．波浪演化的波面時(shí)間序列如圖6所示，工況3測(cè)點(diǎn)位于深水區(qū)，由此可見地形不是畸形波產(chǎn)生的唯一條件，地形線性區(qū)域同樣有可能發(fā)生畸形波．

·50·華中科技大學(xué)學(xué)報(bào)（自然科學(xué)版）第48卷圖5工況2下三種模型畸形波附近預(yù)測(cè)誤差圖6工況3下波浪演化的波面時(shí)間序列三種模型畸形波附近預(yù)測(cè)結(jié)果如圖7所示．可知：LSTM神經(jīng)網(wǎng)絡(luò)在畸形波形成時(shí)的預(yù)測(cè)效果明顯優(yōu)于BP和SVM模型．圖7工況3下三種模型畸形波附近預(yù)測(cè)誤差2.2.2三姐妹型畸形波類型屬于三姐妹型，HS=2.89cm，t=53.04s時(shí)達(dá)到最大波高6.36cm，此時(shí)波高比為2.20．將前49.14s的畸形波數(shù)據(jù)作為訓(xùn)練集，t=49.16～73.66s的數(shù)據(jù)作為測(cè)試集，其中訓(xùn)練集期間的數(shù)據(jù)畸形波特征不明顯，而測(cè)試集期間的數(shù)據(jù)包含明顯的畸形波．工況4波浪演化的波面時(shí)間序列如圖8所示，此工況數(shù)據(jù)中存在幾個(gè)連續(xù)大波，也稱三姐妹畸形波，試驗(yàn)觀察到此類畸形波持續(xù)性很強(qiáng)．圖8工況4下波浪演化的波面時(shí)間序列三種模型畸形波附近預(yù)測(cè)結(jié)果如圖9所示．LSTM相比于其他兩種模型，預(yù)測(cè)精度較高，原因可能是LSTM模型內(nèi)部結(jié)構(gòu)彌補(bǔ)了其他兩個(gè)模型的缺點(diǎn)，可以修正未來波高信息．經(jīng)過4個(gè)工況驗(yàn)證，對(duì)于單峰型和三姐妹型畸形波，LSTM神經(jīng)網(wǎng)絡(luò)均有更好的預(yù)測(cè)效果，尤其是在畸形波位置處，LSTM模型精度最好，BP模型次之，SVM模型最差．圖9工況4下三種模型畸形波附近預(yù)測(cè)誤差2.3多步預(yù)測(cè)為進(jìn)一步挖掘LSTM的預(yù)測(cè)能力，增加畸形波預(yù)測(cè)時(shí)長(zhǎng)，進(jìn)行多步預(yù)測(cè)，平均相對(duì)誤差和均方根誤差見表3和表4．表3各種模型預(yù)測(cè)平均相對(duì)誤差比較工況BP單步SVM單步LSTM單步LSTM多步10.55681.02340.29380.401321.61971.92481.07371.328230.33190.73380.27640.301141.58971.83601.03831.1675?

【參考文獻(xiàn)】：
期刊論文
[1]基于長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)的結(jié)構(gòu)智能控制算法研究[J]. 涂建維,高經(jīng)緯,李召,張家瑞.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(12)
[2]島礁地形畸形波演化過程的試驗(yàn)及小波譜分析[J]. 鄒麗,王愛民,宗智,裴玉國(guó),趙勇.  哈爾濱工程大學(xué)學(xué)報(bào). 2017(03)



本文編號(hào)：3261853