基于改进LSTM的船体监测数据异常处理方法

为了解决船体监测数据异常识别模型适应性差、异常修复过程低效且准确率不高等问题,提出一种基于改进长短期记忆网络(LSTM)对异常数据进行识别和修复,并采用BiLSTM-AEE对应变和加速度数据进行试验验证。结果表明,该方法在识别精度和修复效果方面都有明显优势,其中异常识别精度平均值达到91.8%,异常修复平均误差不超过4%,能有效对船体监测数据进行异常的识别与修复。相比其他异常数据处理方法,该方法能够根据监测数据变化对异常进行同步识别,修复过程更加高效。