EMD-KPCA-LSTM预测网络

张紧器响应预测精度提升

该网络结合经验模态分解、核主成分分析和长短期记忆网络,显著提升浮动平台张紧器系统运动响应的预测精度。

王建伟 · Xiaofan, Jin · Xuchu, Liu · Ze, He · Jiachen, Chai · Pengfa, Liu · Wang, Yuqing · 蔡伟 · 郭锐

Engineering Applications of Artificial Intelligence 2025

参数信息

位移预测RMSE降幅
52.97 %
位移预测R²提升
7.14 %

技术优势

精度显著提升

与CNN相比,位移和张力预测的RMSE、MAE、MAPE分别降低52.97%至71.02%,R²提高7.14%和12.37%。

抗内波干扰

在存在和不存在内波两种场景下均验证了高预测精度,表明模型能适应内波引起的复杂动态。

多步预处理降噪

EMD分解环境因子序列降低非平稳性,KPCA提取关键影响因素并降低输入维度,提高模型效率。

应用场景