2023年8月25日第7卷第16期现代信息科技ModernInformationTechnologyAug.2023Vol.7No.161551552023.082023.08收稿日期：2023-03-04基于LSTM的船闸位移预测模型研究丁腾腾（珠江水利委员会珠江水利科学研究院，广东广州510611）摘要：船闸在长期服役过程中会因为温度、水压等因素影响产生形变，严重危害通航安全。为实现精准的船闸位移预测，构建高效的船闸预测模型，文章引入深度学习方法，基于某大坝船闸的历史观测数据，利用长短记忆神经网络构建了船闸位移预测模型。结果显示文章所提模型最终的预测效果MAE达到了0.0081mm，AEmax达到了0.0154mm，RMSE达到了0.0099mm，均远优于传统的多元线性回归方法。说明该模型具有良好的预测性能，为实现船闸的安全预警提供了一种新方法。关键词：船闸；LSTM；位移预测中图分类号：TP183文献标识码：A文章编号：2096-4706（2023）16-0155-04ResearchonShipLockDisplacementPredictionModelBasedonLSTMDINGTengteng(PearlRiverWaterResourcesInstituteofPearlRiverWaterConservancyCommission,Guangzhou510611,China)Abstract:Theshiplockswillbedeformedduringlong-termserviceduetotemperature,waterpressureandotherfactors,whichseriouslyendangersnavigationsafety.Inordertoachieveaccurateshiplockdisplacementpredictionandbuildanefficientshiplockpredictionmodel,thispaperintroducestheDeepLearningmethodandconstructsashiplockdisplacementpredictionmodelbasedonthehistoricalobservationdataofadamshiplockusingLSTMneuralnetwork.TheresultsshowthatthefinalpredictioneffectofMAEreaches0.0081mm,AEmaxreaches0.0154mmandRMSEreaches0.0099mm,whicharebetterthanthetraditionalmultivariatelinearregressionmethod.Themodelproposedinthispaperhasgoodpredictionperformanceandprovidesanewmethodtorealizethesafetywarningofshiplocks.Keywords:shiplock;LSTM;displacementprediction0引言20世纪70年代以来，我国大坝的建设取得了飞速发展，先后建成了三峡、小浪底、溪洛渡等多座大坝。然而，在河道上修建的大坝会截断河道，阻隔上下游贯通。因此，船只需要借助船闸来通航，实现大坝的跨越，保证流域航道的贯通。水利部的《第一次全国水利普査公报》[1]显示：截至2013年，我国现有船闸高达27万余座，是世界上船闸数量最多的国家之一。如此多数量的船闸为我国水路交通网的构建和水运事业的发...
