基于 Bi-LSTM-MLP 的水下声速预测

来源：机械与电子杂志2025年第11期北京时间：

作者：周明胡;赵英亮;韩星程;黄嘉瑒;王国祥

单位：中北大学信息与通信工程学院,山西 太原 030051

摘要：针对直接测量获取声速剖面( SVP )数据设备成本高、频繁观测效率低下的问题,提出一种基于双向长短期记忆网络与多层感知机融合模型( Bi-LSTM-MLP )的 SVP 预测方法。该模型融合了双向长短期记忆网络( Bi-LSTM )对时序前后依赖关系的建模能力与多层感知机( MLP )在非线性特征映射和空间整合上的优势,有效提升了 SVP 预测的精度与泛化性能。所提方法在相同条件下相较于 Conv-LSTM 和Bi-LSTM 模型,在 MSE 指标上分别提升了约 43% 和 74% 。在 6 个不同地理位置下的预测结果中,模型的准确率指标则基本稳定在 99.91% 以上;而在固定位置的月度连续预测中, MSE 最大值控制在 0.50 m / s ,验证了模型在时空维度上的准确率与鲁棒性。

关键词：声速预测;深度学习;Bi-LSTM-MLP ; SVP

基金资助：国家自然科学青年基金资助项目( 62203405 );山西省应用基础研究计划项目( 202303021212206 );山西省重点研发计划项目( 202202110401015 )