一种基于改进EMD-AR模型的船舶运动预报方法

摘要

本发明公开了一种基于改进EMD‑AR模型的船舶运动预报方法，通过向时间序列中分别加入和减去若干个白噪声，对新的时间序列进行经验模态分解，可解决基于传统的经验模态分解所获得的IMF模态混叠问题，且可使IMF更准确，在此基础上，可提高船舶运动预报精度。本发明利用SVR模型对船舶运动时间序列的上、下包络线进行延拓，合理地求得时间序列第一个极值点到始端和最后一个极值点到末端这两段包络线，抑制了传统的经验模态分解存在的端点效应，使得分解出的IMF更准确，在此基础上，可提高船舶运动预报精度。本发明与AR模型及滚动时间窗法相结合，并提出AR模型系数的在线迭代学习策略，可实现船舶运动的高精度在线预报。