基于长短期记忆网络的半潜平台波浪爬升预报 |
| |
作者姓名: | 李琰 肖龙飞 魏汉迪 寇雨丰 |
| |
作者单位: | 1. 上海交通大学海洋工程国家重点实验室;2. 上海交通大学海洋装备研究院;3. 上海交通大学三亚崖州湾深海科技研究院 |
| |
基金项目: | 国家自然科学基金项目(52031006,51879158);;国家重点研发计划课题(2018YFC0309704); |
| |
摘 要: | 波浪爬升问题与半潜式平台安全密切相关,波浪爬升的实时在线预报有助于保障海上作业安全.基于长短期记忆(LSTM)神经网络模型,以波浪和平台运动时间序列为输入,建立半潜式平台波浪爬升高度的极短期在线预报方法.通过平台模型试验获得训练与测试数据,对LSTM模型性能进行检验.结果显示,在提前预报量为6 s和12 s时,波浪爬升高度的平均预报精度分别为92.90%和84.09%,最大值相对误差不高于19.69%和30.66%;同时,模型在提前预报量低于6 s时能够对较大的波浪爬升极值实现准确且稳定的预报,可为海上平台运营过程中波浪砰击和越浪等风险预警提供有效技术支持.
|
关 键 词: | 长短期记忆网络 波浪爬升 在线预报 半潜式平台 |
|
|