基于LSTM的船闸位移预测模型研究

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果MAE达到了0.0081 mm,AEmax达到了0.0154 mm,RMSE达到了0.0099 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。