来源：期刊VIP网 时间：
作者：骆正山;杜丹;骆济豪;王小完;
单位：西安建筑科技大学管理学院;北京理工大学信息与电子学院;
摘要：为评估卷积神经网络(Convolutional Neural Network, CNN)、长短期记忆(Long Short-Term Memory, LSTM)网络及结合的CNN-LSTM模型在管道腐蚀速率预测中的性能表现，特别引入注意力机制，以期提高模型对关键特征的捕捉能力和预测的准确性。分析影响管道腐蚀速率的环境因素作为模型输入，并通过注意力机制优化特征表示。结果表明，结合注意力机制的CNN-LSTM模型在准确性和可靠性上超越了单独的CNN或LSTM模型。这一结果不仅展示了深度学习模型通过技术增强了处理复杂数据的能力，也为实际工业应用中的时间序列预测提供了新的视角，同时证实了利用深度学习技术对管道腐蚀速率进行精确预测的可行性和有效性。
关键词：安全工程;管道腐蚀速率预测;卷积神经网络(CNN);长短期记忆(LSTM);注意力机制;时间序列分析
基金资助：国家自然科学基金项目(41877527)
