[发明专利]一种基于GRU的耙吸挖泥船艏吹瞬时产量预测方法

权利要求书

1.一种基于GRU的耙吸挖泥船艏吹瞬时产量预测方法，其特征在于，包括步骤：

步骤1：收集挖泥船历史施工数据和瞬时产量的数据；

步骤2：通过对相关数学模型以及艏吹工艺，选取与瞬时产量预测有关的变量作为模型的输入，以瞬时产量作为输出；

步骤3：对所选取的数据进行预处理，并将预处理的数据划分为训练集数据、验证集数据；

步骤4：建立GRU神经网络预测模型，用于耙吸挖泥船艏吹瞬时产量预测；

步骤5：利用所述训练集数据对模型进行训练，选用均方根误差和平均百分比误差作为模型评价指标，并利用所述验证集数据对已训练好的模型进行验证，得到耙吸挖泥船艏吹瞬时产量预测模型。

2.根据权利要求1所述的基于GRU耙吸挖泥船艏吹瞬时产量预测方法，其特征在于，所述步骤1中历史施工数据包括在耙吸挖泥船在艏吹施工过程中的原状土重量、土方量、泥舱当前液位、泥舱当前舱容、左高压冲水泵转速、右高压冲水泵转速、泥泵转速、泥泵密度、泥泵流速、左1抽舱门行程、左2抽舱门行程、时间。

3.根据权利要求2所述的基于GRU耙吸挖泥船艏吹瞬时产量预测方法，所述步骤2根据现有的数学模型以及相关行业知识进行分析，选取泥泵转速、14个抽舱门行程、引水阀开度、高压冲水泵转速、泥浆浓度和管道流量作为影响瞬时产量的因素作为模型的输入变量；选择对瞬时产量表示直接的泥浆浓度和管道流量作为模型输出。

4.根据权利要求1所述的基于GRU的耙吸挖泥船艏吹瞬时产量预测方法，其特征在于，所述步骤3中对采集的数据进行预处理，去掉数据中的干扰信号以及异常值，并且通过数据的归一化处理，将数据转换到0-1的区间范围，并对上述数据进行数据集的划分。

5.根据权利要求1所述的基于GRU的耙吸挖泥船艏吹瞬时产量预测方法，其特征在于，所述步骤4中建立GRU神经网络预测模型，GRU预测模型包括GRU输入层、GRU神经网络层、全连接层、输出层，数据经输入层输入网络，经过GRU神经网络层和全连接层的处理，由输出层输出最终的预测值。

6.根据权利要求1-4任一项所述的基于GRU的耙吸挖泥船艏吹瞬时产量预测方法，其特征在于，所述步骤5的预测方法如下：

步骤5.1：利用划分的训练样本集的数据，对构建好的GRU网络进行训练，并用均方根误差和平均百分比误差作为指标作为模型评价指标；

步骤5.2：决定系数R²的具体计算过程如下：

式中，y_i表示数据集中第i个真实值，表示第i个预测值，n表示数值数目；

步骤5.3：在对模型进行训练时，依据上述均方根误差和平均百分比误差对模型进行微调更新，得到相对精确的预测模型，选择均方根误差和平均百分比误差最小时的模型为训练好的模型，并利用所述验证集数据对已训练好的模型进行验证，得到耙吸挖泥船艏吹瞬时产量预测模型。