購物車(0)
基于EMD-PSO-LSTM組合模型的船舶運動姿態(tài)預測
關鍵詞：組合模型 長短期記憶 神經(jīng)網(wǎng)絡 經(jīng)驗模態(tài)分解 船舶運動姿態(tài)預測
摘要：由于船舶在海上航行時的高隨機性和復雜性,單一模型預測能力有限,難以做出準確姿態(tài)預測。因此,提出一種基于經(jīng)驗模態(tài)分解(EMD)和粒子群優(yōu)化(PSO)的長短期記憶神經(jīng)網(wǎng)絡(LSTM)的組合預測模型,對船舶運動姿態(tài)進行預測。首先通過EMD算法將由慣性導航系統(tǒng)在實時測量得到的船舶運動姿態(tài)數(shù)據(jù)進行分解,得到有限個本征模函數(shù)(IMF)。然后,利用PSO-LSTM模型學習各IMF分量的短期時序規(guī)律并進行預測,將各IMF分量的預測值相加得到最終的預測結果。基于實測數(shù)據(jù)進行仿真的結果表明,該組合預測模型分別比LSTM模型和PSO-LSTM模型在姿態(tài)角的預測中平均絕對百分比誤差分別降低了約11%和7%,有效提高了船舶運動姿態(tài)預測精度。
中國慣性技術學報雜志要求:
{1}文中插圖與表格放在相應正文之后。表須為三線表，表的序號及表題置于表格上方，表注放在表格的下方。插圖應為黑白色，其序號、圖題及注釋居中放在圖的下方。
{2}來稿必須包括標題、作者、作者單位及地址、摘要、關鍵詞、正文、參考文獻、作者簡介。
{3}文中一級標題、二級標題、三級標題、四級標題的序號用“一、……”“（一）……”“1．……”“（1）……”標示。
{4}來稿附不超過200字的中英文摘要及關鍵詞3~8個。
{5}基金項目（文章產(chǎn)出的資助背景）：基金項目名稱全稱及具體項目編號（或項目批準號）。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
