买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中交天津港湾工程研究院有限公司;中交第一航务工程局有限公司;天津港湾工程质量检测中心有限公司

摘要：本发明公开了一种基于深度学习模型的海底沉管隧道沉管的位移量预测方法，首先获取海底沉管隧道的监测数据，数据包括温度、湿度、温度梯度、三轴加速度、水平差异位移、垂直差异位移以及张合量，形成时间序列数据集；然后计算各监测数据的均值、中位数、众数、标准差和方差等数据特征，并识别出数据中各时间点间的相互关系特征，再得到数据的长期趋势、季节性波动和随机残差的成分特征；利用数据集以及得到的数据特征、相互关系特征和成分特征，对LSTM模型和Transformer模型进行训练；模型训练完成后，将这两个模型的预测结果通过加权平均方法进行融合，生成最终的沉管位移预测结果。

主权项：1.一种基于深度学习模型的海底沉管隧道沉管的位移量预测方法，其特征在于：包括如下步骤：步骤1，获取海底沉管隧道的监测数据，数据包括温度、湿度、温度梯度、三轴加速度、水平差异位移、垂直差异位移以及张合量；步骤2，对步骤1获取的监测数据，进行预处理和归一化，形成时间序列数据集；步骤3，对监测数据进行描述性统计分析，得到各监测数据的均值、中位数、众数、标准差和方差的数据特征；步骤4，对监测数据进行自相关函数ACF和偏自相关函数PACF分析，以识别出数据中各时间点间的相互关系特征；步骤5，对监测数据进行傅里叶变换，将数据转换为频域信号；步骤6，根据步骤5得到的频域信号，采用STL分解方法，得到监测数据的长期趋势、季节性波动和随机残差的成分特征；步骤7，构建LSTM模型和Transformer模型，将前一时间段的温度、湿度、温度梯度、三轴加速度、水平差异位移、垂直差异位移以及张合量作为输入变量，将后一时间段的水平差异位移、垂直差异位移和张合量作为预测的输出变量；利用步骤2的数据集以及步骤3得到的数据特征、步骤4得到的相互关系特征和步骤6得到的长期趋势、季节性波动和随机残差的成分特征，对LSTM模型和Transformer模型进行训练；模型训练完成后，将LSTM模型和Transformer模型的预测结果通过加权平均方法进行融合，生成最终的预测结果。

全文数据：

权利要求：

百度查询： 中交天津港湾工程研究院有限公司 中交第一航务工程局有限公司 天津港湾工程质量检测中心有限公司 基于深度学习模型的海底沉管隧道沉管的位移量预测方法