基于 EMD-LSTM 人工神经网络的云冈石窟环境参数预测
卢宝明, 徐金明
2024, 30(1):
1-016.
doi:10.12066/j.issn.1007-2861.2409
摘要
(
127 )
PDF (747KB)
(
113
)
相关文章 |
多维度评价
环境参数会直接影响石窟的风化过程, 因此, 预测环境参数是进行云冈石窟有效保护
的重要内容. 以云冈石窟第十窟为例, 将壁温、环境湿度、环境温度的实测时序数据作为环境
参数, 使用经验模态分解 (empirical model decomposition, EMD) 对实测时序数据进行分解,
研究了固有模态函数 (intrinsic mode function, IMF) 分量与实测时序数据的相关性, 建立了
基于 EMD-长短期记忆 (long short-term memory, LSTM) 的人工神经网络 (artificial neural
network, ANN) 组合模型. 使用平均绝对误差 (mean absolute error, MAE)、均方根误差
(root mean square error, RMSE)、平均绝对百分比误差 (mean absolute percentage error,
MAPE)、决定系数 (R2) 作为评价指标, 对比分析了使用组合模型与使用单一 LSTM 的 ANN
模型进行环境参数预测的效果. 结果表明: IMF 分量的变化速率越大, 与实测时序数据的相
关性就越强; 对于组合模型中的 LSTM 网络模型, 当隐藏层层数和初始学习率分别取 2 和
0.001 时, 组合模型预测效果最优; 与单一 LSTM 的 ANN 模型相比, 使用基于 EMD-LSTM
的 ANN 组合模型, 环境参数的 MAE、RMSE、MAPE 值减小、R2 值增大, 模型预测精度提
高; 环境参数预测效果主要受环境参数变化幅度的影响, 变化幅度越小, 组合模型预测效果越
好. 研究成果对于石窟文物保护具有一定的参考价值.