購物車(0)
基于EMD-PSO-LSTM組合模型的船舶運(yùn)動姿態(tài)預(yù)測
關(guān)鍵詞：組合模型 長短期記憶 神經(jīng)網(wǎng)絡(luò) 經(jīng)驗?zāi)B(tài)分解 船舶運(yùn)動姿態(tài)預(yù)測
摘要：由于船舶在海上航行時的高隨機(jī)性和復(fù)雜性,單一模型預(yù)測能力有限,難以做出準(zhǔn)確姿態(tài)預(yù)測。因此,提出一種基于經(jīng)驗?zāi)B(tài)分解(EMD)和粒子群優(yōu)化(PSO)的長短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)的組合預(yù)測模型,對船舶運(yùn)動姿態(tài)進(jìn)行預(yù)測。首先通過EMD算法將由慣性導(dǎo)航系統(tǒng)在實(shí)時測量得到的船舶運(yùn)動姿態(tài)數(shù)據(jù)進(jìn)行分解,得到有限個本征模函數(shù)(IMF)。然后,利用PSO-LSTM模型學(xué)習(xí)各IMF分量的短期時序規(guī)律并進(jìn)行預(yù)測,將各IMF分量的預(yù)測值相加得到最終的預(yù)測結(jié)果?；趯?shí)測數(shù)據(jù)進(jìn)行仿真的結(jié)果表明,該組合預(yù)測模型分別比LSTM模型和PSO-LSTM模型在姿態(tài)角的預(yù)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(yùn)動姿態(tài)預(yù)測精度。
中國慣性技術(shù)學(xué)報雜志要求:
{1}文中插圖與表格放在相應(yīng)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(yīng)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(biāo)題、作者、作者單位及地址、摘要、關(guān)鍵詞、正文、參考文獻(xiàn)、作者簡介。
{3}文中一級標(biāo)題、二級標(biāo)題、三級標(biāo)題、四級標(biāo)題的序號用“一、……”“（一）……”“1．……”“（1）……”標(biāo)示。
{4}來稿附不超過200字的中英文摘要及關(guān)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(zhǔn)號）。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
