基于长短期记忆网络的半潜平台波浪爬升预报

• 全文链接
• 请求原文

作   者：

李琰;  肖龙飞;  魏汉迪;  寇雨丰; 

作者机构：

上海交通大学海洋工程国家重点实验室;  海洋工程国家重点实验室; 

关键词：

长短期记忆网络;  波浪爬升;  在线预报;  半潜式平台; 

期刊名称：

上海交通大学学报

i s s n：

1006-2467

年卷期：

2023 年 002 期

页   码：

161-167

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.