基于深度学习模型的海洋平台健康状况预测
对海洋平台的健康状况进行客观合理的评估是保障海洋平台正常安全运作的重要前提.针对海洋平台日益突出的健康状况评估问题,提出了一种基于深度学习模型的海洋平台健康状况预测方法.在该模型中应用Adam算法优化各网络层之间的权重和参数,并在网络训练中加入了批量归一化层加快模型收敛速度,提高预测的精度,采用ReLu激活函数避免深度学习模型在迭代时梯度衰减,缓解过拟合现象的发生.通过对海洋平台的历史监测数据进行了仿真验证,结果表明基于深度学习模型预测的准确率高达93.8%,并且预测误差大都在0.1~0.3之间浮动,可以更好的适用于对海洋平台健康状况的预测.
海洋平台、健康状况预测、深度学习
37
TE58(海上油气田勘探与开发)
2021-07-19(万方平台首次上网日期,不代表论文的发表时间)
共4页
101-104