基于LSTM-GRU模型的船体结构应力预测分析

船体结构应力预测对船舶航行安全具有重要意义，然而由于船体结构应力数据具有强随机性，传统方法难以有效准确地对其进行预测。为解决这一问题，采用对非线性关系具有很强拟合能力的长短期记忆网络（LSTM）和门控循环单元（GRU）组合方法对船体结构应力数据进行预测，并通过模型试验验证该方法的稳定性和可行性。结果表明，相比传统的循环神经网络（RNN）模型和单个预测模型，该组合模型在预测精度和效果方面都有明显优势，能够有效预测船体结构应力。其中，预测值与实际值的误差保持在3%以内，决定系数为0.91。