粒子滤波混合预测模型

结合物理模型与LSTM，通过粒子滤波融合有限传感器数据，实现立管全动力学响应的高精度实时预测，且抗噪性能优异。

Hu, Pengji · Yue, Xiao · Fanpeng, Li · Xiaoyu, Hu · Liu, Zhaowei · 刘秀全 · 77318102 · 陈国明 · Wentuo, Li · Mingyuan, Sun

Ocean Engineering 2026

技术优势

预测精度更高

粒子滤波融合物理模型与LSTM，通过状态转移和观测方程加权优化，相比单一LSTM方法获得更准确的动态响应预测。

抗噪声能力强

粒子滤波框架对测量噪声具有优异抵抗能力，即使传感器数据含噪，仍能稳定预测全域响应。

应用场景

• 立管振动监测：用有限传感器数据实时预测立管全域动态响应，替代稀疏测点的插值估计。