基于多变量DSD-LSTM模型的有效波高预测

利用改进的完全集合经验模态分解(ICEEMDAN)和递归量化分析方法设计一种新的信号分解算法(DSD),该算法将原始信号分解为确定性成分和随机性成分。考虑风速、风向对波高的影响前提下,将DSD算法与长短时记忆网络(LSTM)结合建立多变量混合模型DSD-LSTM-m进行有效波高的预测。该模型与单独的LSTM模型相比明显提高了预测精度,与单变量混合模型DSD-LSTM-u相比具有更好的预测效果。

基于小波包能量与模型修正的海洋平台结构损伤识别

对于常年服役的海洋平台,准确的损伤识别是保证其安全运行的重要保障。提出了一种对损伤敏感的小波包分解方案选取原则,以结构损伤前后加速度信号的小波包能量变化率作为残差,以结构的弹性模量作为待修正参数,通过灵敏度分析构建了一种新的目标函数用于模型修正和结构的损伤识别。将上述识别方法应用于简支梁模型,能够准确地识别出损伤的存在、位置和程度,验证了方法的可行性。对被噪声污染的信号进行识别分析,证明方法具有一定的鲁棒性。对噪声污染严重的信号进行小波阈值降噪处理,识别效果较降噪前有所改善。将方法应用于海洋导管架平台模型,对不同层高、不同杆件类型的损伤工况均能有效识别,说明方法对多层复杂结构同样适用。