单榀弧形变截面钢管桁架胎架法现场拼装技术

斯里兰卡Sooriyawewa国际板球场主看台为弧形变截面钢管桁架,单榀桁架长度大、重量重,该工程由中国企业施工,采用中国国内整体加工给运输带来困难.施工中结合实际采用整体加工、相贯线切割后散件运输的方式运达现场,该文介绍了采用胎架法现场拼装单榀弧形变截面桁架的施工技术,对其他工程大型异型桁架散件的现场拼装施工具有一定的参考价值和借鉴作用.     

基于IPESN的船舶升沉运动预报方法

船舶在复杂海况下的升沉运动具有很强的随机性与非线性特征,为提高船舶升沉运动的预报精度,提出基于内在可塑性回声状态网络(IPESN)的船舶升沉运动预报方法.将具有内在可塑性的神经元引入回声状态网络(ESN)的储备池结构,以提高网络对动态系统的映射能力;采用岭回归的方法对IPESN输出连接权值进行学习,以提高网络的泛化能力.将IPESN应用于3级、4级和5级海况下的船舶升沉运动极短期预报,并将结果与传统ESN和径向基函数网络(RBFN)进行对比.结果 表明,IPESN的平均绝对误差分别为0.0028、0.0039和0.0095;均方根误差分别为0.0035、0.0049和0.0117,优于经典ESN与RBFN的预报精度,验证了改进方法的有效性.     

基于LSTM神经网络的潮位预报及分析

因潮位预报受风、浪、流等环境因素影响,传统的潮汐调和分析预报方法不能很好地预报潮位时间序列的复合特征,提出一种基于长短期记忆（Long Short Term Memory,LSTM）神经网络的潮位预报方法,并分别对TPXO 9全球潮汐模型模拟潮位的2021年6月逐分钟潮位数据、4个不同潮汐类型验潮站（日照、鲅鱼圈、三亚、北海）的2010年逐时实测数据进行训练、预报及精度验证。利用上述试验确认LSTM模型中隐藏神经元数目、初始学习率、迭代训练次数等网络层参数的最优选择分别为90、0.001、200。对4个验潮站进行潮位预报,结果表明：当训练数据量设置为数据样本总量的30%时,即可得到精度较高的预报结果,精度约为3～5 cm。采用LSTM神经网络方法进行潮位预报是有效且可靠的。