基于耦合特征LSTM的船舶运动预报方法研究OA北大核心CSTPCD
Research on ship motion prediction method based on coupled feature LSTM
采用长短期记忆(LSTM)神经网络模型对船舶在不同海况下的运动姿态进行预报.针对LSTM模型难以优化的特点,提出了一种耦合特征LSTM神经网络模型.首先对船舶运动时间序列数据进行了归一化处理;然后基于深度学习框架TensorFlow搭建了具有输入层、隐藏层和输出层的LSTM模型;接着将原始数据按照不同特征输入形式进行划分;最后采用不同耦合特征LSTM模型分别对测试样本进行预报.结果表明:相比于其他LSTM模型,六自由度耦合特征LSTM神经网络模型…查看全部>>
Long short-term memory(LSTM)neural network model was used to predict the motion of ship advancing in waves under different sea states.Aiming at the characteristic that LSTM model was difficult to optimize,a coupled feature LSTM neural network model was proposed.First,the ship motion time series data were normalized.Then,the LSTM model with input layer,hidden layer and output layer was built based on the deep learning framework TensorFlow,and the original dat…查看全部>>
何国联;姚朝帮;孙小帅;孟凡亮
华中科技大学船舶与海洋工程学院,湖北 武汉 430074华中科技大学船舶与海洋工程学院,湖北 武汉 43007491054部队,北京 102422中国特种飞行器研究所系统航电研究室,湖北 荆门 448035
交通运输
六自由度运动长短期记忆(LSTM)时间序列耦合特征预报精度
six degrees of freedom(six-DOF)motionlong short-term memory(LSTM)time seriescoupling featuresprediction accuracy
《华中科技大学学报（自然科学版）》 2024 (4)
1-7,7
国家自然科学基金资助项目(52071148)工信部民机专项资助项目(2022KF0031).
评论