半潜式平台波浪爬升在线预报神经网络模型对比研究

摘要：

将波浪运动和半潜式海洋平台运动时间序列一起作为输入,基于时序卷积神经网络(TCN)和长短期记忆(LSTM)神经网络分别建立平台波浪爬升在线预报模型.利用半潜式平台模型试验数据对这两个深度神经网络模型进行训练和测试,并对它们的预报性能进行比较分析.研究结果表明,TCN模型在参数量远小于LSTM模型的情况下可获得与其接近的预报效果,二者在提前预报量为6 s和12 s时波浪爬升高度总体预报精度均高于92％和80％;TCN模型受海况和提前预报时长的影响较小,预报的稳定性较好,并且对波浪爬升极值具有较好的预报精度.

关键词：时序卷积神经网络、长短期记忆神经网络、波浪爬升、在线预报、半潜式平台

所属期刊栏目：64

分类号：P75(海洋工程)

资助基金：国家自然科学基金;国家自然科学基金;浦东新区科技发展基金项目;上海市扬帆计划

在线出版日期：2023-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：28-40