基于BiGRU的变频海水冷却系统状态参数预测

为解决传统统计学方法和机器学习法无法实现船舶变频海水冷却系统预期状态参数预测的问题,提出一种基于双向门控循环单元(Bidirectional Gated Recurrent Unit,BiGRU)的时序预测模型,采用数据归一化法处理高跨度数量级的特征数据,并结合敏感性分析法实现隐含层神经元的参数调优.以MATLAB Simulink仿真平台生成的变频海水冷却系统参数数据集作为特征样本数据进行训练,采用均方误差(Mean-Square Error,MSE)、校正决定系数(Adjusted Coefficient of Determination,Adjusted R2)评价指标评估模型预测性能,并建立循环神经网络(Recurrent Neural Network,RNN)和单向门控循环单元(Gated Recur-rent Unit,GRU)模型进行对比,分析不同时序数据预测算法模型的鲁棒性.结果表明:基于参数调优的BiGRU模型对比RNN模型,MSE值至少降低73.13％,Adjusted R2值至少提高6.44％;对比GRU模型,MSE值至少降低67.86％,Adjusted R2值至少提高3.35％.BiGRU 模型相比GRU与RNN模型可更为准确地预测系统预期状态参数,拥有优良的预测精度与稳定性,可为船舶安全评估体系提供准确的数据支撑,对船舶变频海水冷却系统参数预测具有参考价值.