一种根据海洋气象信息预测船舶航行气象因子的方法

摘要

本发明公开了一种根据海洋气象信息预测船舶航行气象因子的方法，首先通过对船舶航行数据库筛选查询和数据归一化得到样本数据集，然后建立交替稀疏自编码(Alternating Sparse Auto‑Encoders,ASAE)深度学习回归预测模型，基于大量船舶历史航行样本数据集，采用最小二乘法、L2权重衰减约束以及KL对比散度稀疏性约束定义一个代价函数，并结合交替无监督学习与有监督学习进行参数调优，最后将待预测船舶航行数据带入所求最优参数的ASAE预测模型中进行气象因子预测。本发明的方法能够建立船速与船舶航行中多变的海洋气象条件之间的函数关系，解决气象因子计算中的复杂非线性问题，提高气象因子预测精度，对节能减排航行优化具有重要的意义。