Page 55 - 2023年第54卷第7期
P. 55
图 ６ 灌浆流量参数分解图 图 ７ 灌浆流量分解参数和灌浆流量预测图
表 ３ 不同算法的计算精度对比
计算方法 ＲＭＳＥ Ｒ ２ ＭＡＥ ＭＡＰＥ
ｓｅｑ２ｓｅｑ ７．７１９ － ０．１６０ ６．２９０ １７．７７８
单头注意力 Ｔｒａｎｓｆｏｒｍｅｒ ７．５１０ － ０．０９８ ５．５３１ １４．６７７
多头注意力 Ｔｒａｎｓｆｏｒｍｅｒ ７．０３７ ０．０３６ ５．３４３ １４．２３２
ＣＮＮ ＋ 多头注意力 Ｔｒａｎｓｆｏｒｍｅｒ ７．６４５ － ０．１３８ ５．８６２ １６．５９７
ＦＣＭ＋ ＣＮＮ ＋ 多头注意力 Ｔｒａｎｓｆｏｒｍｅｒ ７．３８８ － ０．０６３ ５．６２１ １６．０１６
ＦＣＭ＋ 多核 ＣＮＮ ＋ 多头注意力 Ｔｒａｎｓｆｏｒｍｅｒ ７．４３０ － ０．０７５ ５．６４４ １６．０６０
ＣＥＥＭＤＡＮ ＋ 多头注意力 Ｔｒａｎｓｆｏｒｍｅｒ ６．２８１ ０．２３２ ４．６８２ １３．３３３
ＣＥＥＭＤＡＮ ’ ＋ 多头注意力 Ｔｒａｎｓｆｏｒｍｅｒ ６．８２９ ０．０９２ ５．０７７ １３．５２８
ＲＦ ７．８１６ － ０．１８９ ５．９３４ １６．５０２
ＳＶＭ ７．７０２ － ０．１５５ ５．８４３ １６．２９５
ＢＰＮＮ １３．６２５ － ２．６１４ １０．３００ ２７．９２７
ＥＬＭ ７．８７３ － ０．２０７ ５．９７４ １６．３６４
５ 讨论
本研究实现了灌浆流量的时序预测，考虑到灌浆过程中灌浆压力和灌浆流量是相互作用的，得到
耦合灌浆流量、压力的计算结果。灌浆压力的监控曲线如图 ９所示，同样选取 ５００个数据点作为训练
集，１００个数据点作为测试集。参数设定与多头注意力 Ｔｒａｎｓｆｏｒｍｅｒ算法一样，选取 ９６个流量数据和 ９６
— ８ １ ３ —
