典型文献
结构动态监测信号缺失数据的LSTM和ARIMA预测对比研究
文献摘要：
针对结构健康监测(SHM)中传感器难以避免的数据缺失现象,应用长短期记忆网络(LSTM)和差分整合移动平均自回归模型(ARIMA)两种方法,以光纤布拉格光栅(FBG)传感器和加速度计实测的振动信号作为训练集和测试集数据,进行了缺失数据的预测分析和效果对比.通过分析10组超参数对模型预测效果的影响,优化设计了LSTM模型.采用绝对百分比误差最大值(MAX)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)以及均方根误差(RMSE)等指标,评估了两种方法对波长和加速度信号预测值与实测值的差异.结果表明,两种方法均可实现对时间序列缺失数据的预测,LSTM模型计算精度较高,整体预测结果较好,但计算效率较低.
文献关键词：
结构健康监测;数据预测;时间序列;LSTM;ARIMA
中图分类号：
作者姓名：
王校昌;王大鹏
作者机构：
苏州科技大学土木工程学院,江苏苏州215011
文献出处：
引用格式：
[1]王校昌;王大鹏-.结构动态监测信号缺失数据的LSTM和ARIMA预测对比研究)[J].苏州科技大学学报（工程技术版）,2022(04):25-30
A类：
B类：
监测信号,信号缺失,缺失数据,ARIMA,结构健康监测,SHM,难以避免,数据缺失,长短期记忆网络,差分整合移动平均自回归模型,光纤布拉格光栅,FBG,加速度计,振动信号,训练集,测试集,预测分析,效果对比,超参数,MAX,平均绝对误差,MAE,平均绝对百分比误差,MAPE,RMSE,加速度信号,信号预测,实测值,列缺,计算精度,计算效率,数据预测
AB值：
0.372903
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
