基于EMD-LSTM人工神经网络的云冈石窟环境参数预测

作     者：卢宝明 徐金明 LU Baoming;XU Jinming

作者机构：上海大学力学与工程科学学院上海200444 

出 版 物：《上海大学学报（自然科学版）》 (Journal of Shanghai University:Natural Science Edition)

年 卷 期：2024年第30卷第1期

页      面：1-16页

学科分类：081803[工学-地质工程] 08[工学] 0818[工学-地质资源与地质工程] 

基　　金：国家重点研发计划资助项目(2019YFC1520500) 山西省重点研发计划资助项目(201803D31080) 

主　　题：壁温 环境湿度 环境温度 经验模态分解 长短期记忆 人工神经网络 

摘      要：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.