一种基于深度学习的船舶横摇集成预测方法及系统

摘要

本发明提供一种基于深度学习的船舶横摇集成预测方法及系统，通过船舶上安装的姿态传感器所获取原始船舶横摇数据进行横摇运动预测，包括由船舶上安装的姿态传感器获取原始船舶横摇数据，将原始船舶横摇数据通过重采样进行解码得到船舶横摇时间序列；采用自适应二次分解对原始船舶横摇数据进行预处理，降低原始数据的非线性和非平稳特征；将二次分解后得到的子序列，划分为训练集、验证集和测试集；选用每个子序列中的训练集建立多输入多输出策略下的深度信念网络模型；使用多目标水母搜索方式优化模型超参数，建立自适应误差修正模型，获取最终预测结果，进行误差分析并输出。本发明提高了船舶横摇运动预测的稳定性与准确性。