| 波致海床瞬态液化对再悬浮贡献率的深度学习预测方法 |
| |
| 作者姓名： | 冯春健 刘汉露 刘锦昆 贾永刚 侯方 薛凉 权永峥 |
| |
| 作者单位： | 中石化石油工程设计有限公司,东营257020,中国;中国海洋大学,青岛266100,中国 |
| |
| 基金项目： | 国家自然科学基金41877223海底管道灾害性地质(滑坡等)原位监测系统先导试验研究20200210 |
| |
| 摘 要： | 波致瞬态液化渗流导致海床内细粒沉积物向海水中运移，这一过程对海底沉积物再悬浮的贡献率不容忽视，但是贡献率的准确估计和预测比较困难。本研究将黄河水下三角洲的观测数据(包括水深、有效波高、有效波周期、实验舱内悬沙浓度、实验舱外悬沙浓度)作为模型输入数据集，基于长短时记忆循环神经网络建立了瞬态液化对再悬浮贡献率的深度学习预测模型。为了客观评价模型的性能，以平均绝对百分比误差、均方根误差和平均平方误差-标准偏差为评判标准，将该深度学习模型与其他预测模型(支持向量回归模型、人工神经网络)的预测结果进行了比较。结果表明，基于长短时记忆循环神经网络的深度学习模型对3.5d以内的瞬态泵送再悬浮贡献率预测误差最小，其平均绝对百分比误差、均方根误差和平均平方误差-标准偏差分别为5.87%、1.6730、0.1574。因此，该模型可以有效地减少机器学习方法在连续预测中产生的误差叠加问题。
|
| 关 键 词： | 侵蚀灾害 瞬态液化 再悬浮贡献率 时间序列 深度学习 |
| 收稿时间： | 2021-06-30 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《工程地质学报》浏览原始摘要信息 |
|
点击此处可从《工程地质学报》下载全文 |
