面向边缘计算的船闸运维数据存储与应用

Storage and application of lock operation and maintenance data for edge computing

针对船闸实时性和控制网络安全性的需求,提出了一种面向边缘计算的船闸运维数据存储与应用解决方案,将船闸运行管理所作为边缘节点,搭建船闸运维系统的边缘计算架构,采用MySQL数据库实现基于船闸运行闸次的数据存储。选取运行报表内关键信息作为数据集,通过卷积神经网络(CNN)和长短期记忆网络(LSTM)建立液压系统的状态预测模型,并引入麻雀搜索算法(SSA)优化网络训练参数。结果表明SSA-CNN-LSTM模型对液压系统压力和流量的预测效果有显著提升,相较于CNN-LSTM模型,在系统压力预测中,RMSE、MAPE指标分别减小9.6%、14.8%。在系统流量预测中,RMSE、MAPE指标分别减小26.5%、38.5%,具有更高的预测精度,能够为船闸的运行管理、养护、安全高效运行提供数据支持。