基于PCA和SAPSO的船舶风压差神经网络预测模型

摘要

为提高船舶风压差的预测精度,使船舶能够更快稳定在计划航线上以保障航行安全,提出一种基于主成分分析(principal component analysis,PCA)法和自适应粒子群优化(self-adaptive particle swarm optimization,SAPSO)算法的船舶风压差神经网络预测模型.该方法采用PCA法对航行数据进行预处理,然后将数据输入由SAPSO算法优化的BP神经网络中,改变以往通过复杂的数学建模计算风压差的方法,提高预测的时效性和准确性.利用实船数据对模型进行船舶风压差的实时预测仿真,结果验证了该预测模型具有较高的可靠性.