共查询到20条相似文献,搜索用时 15 毫秒
1.
基于AR-EMD方法的扩展非平稳船舶运动极短期预报AR模型 总被引:2,自引:0,他引:2
准确的极短期预报技术能够提高对船舶摇荡运动敏感的海洋特种作业安全性和效率。自回归(auto-regressive,AR)预报模型由于其自适应性强、计算效率高而被广泛应用于船舶运动的极短期预报研究。但该模型基于平稳随机假设,因而在非平稳船舶运动的极短期预报中存在困难。针对非平稳船舶运动极短期预报,文章提出一种基于AR-EMD方法的扩展AR模型,称为EMD-AR预报模型。其中,AR-EMD方法是指在经验模态分解(empirical mode decomposition,EMD)的过程中,采用AR预报的方法处理端点效应问题。 EMD-AR预报模型将非平稳信号分解成若干平稳的固有模态函数分量及余项,然后对各个分量分别用AR模型预报,得到最终的预报结果,以此克服非平稳性对AR预报模型的影响。研究基于船舶试验数据将EMD-AR模型与线性AR模型、非线性支持向量机回归(support vector regression,SVR)预报模型进行对比分析,结果表明,AR-EMD方法能够有效处理船舶运动非平稳性对AR预报模型的影响,提高该模型的预报精度,且EMD-AR模型预报性能较线性AR模型和非线性SVR模型更优。 相似文献
2.
3.
船舶运动极短期预报研究 总被引:4,自引:1,他引:3
本文通过对两艘有航速情况下的船舶运动实测数据的分析,试图寻求一种准确程度较高的极短期预报模型。该文共分两部分,第一部分利用AR模型导出多级AR模型,预报精度明显提高。在对运动瞬时值预报中,利用包络对结果进行修正,精度有所改进;第二部分利用人工神经网络导出了包络的预报模式,预报精度明显高于AR模型。 相似文献
4.
5.
基于小波网的船舶运动极短期建模预报 总被引:1,自引:2,他引:1
本文结合小波分析和神经网络的优点,建立了应用于船舶运动极限期模预报的小波神经网络的结构及算法,给出了该算法的一步及多步预报模型,并进行了仿真,仿真结果说明该算法是可行的。 相似文献
6.
基于投影寻踪学习的大型船舶运动极短期预报 总被引:2,自引:0,他引:2
本文结合投影和神经网络的优点,建立了应用于大型船舶运动的极短期预报我多维投影寻踪学习网络(PPLN)结构及算法,并将该算法所取得的预报结果与年历顺归预报法和周期图预报法的结果进行了比较,预报结果说明了该算法的可行性。 相似文献
7.
8.
9.
基于二阶自适应Volterra级数的船舶运动极短期预报研究 总被引:3,自引:0,他引:3
针对随机海浪作用下船舶运动的非平稳、非线性特性,文章提出了基于卡尔曼(Kalman)滤波原理的非线性二阶Volterra级数自适应预报模型.通过把Volterra级数核向量作为状态向量,利用随机游动模型建立系统的状态方程,一步Volterra级数预报模型作为系统的观测方程,从而进一步提高了Volterra级数模型的核估计的收敛速度.同时验证了利用AIC准则对Volterra级数预报模型定阶的可行性,通过迭代法实现了自适应多步预报.仿真结果表明文中提出的基于Kalman滤波算法的自适应预报模型应用于船舶运动极短期预报是可行的,该方法在理论和工程应用方面具有重要的意义. 相似文献
10.
为了提高船舶运动极短期预报精度及预报时间长度,本文采用小波多分辨率分析方法,将含有噪声的船舶运动信号进行了多尺度小波变换,通过采用阈值函数法对各尺度下细节信号的小波系数进行处理,对小波分解层数、小波基函数、阈值处理方法进行了深入研究,并通过模型试验数据对滤波效果进行了验证分析,实现了船舶运动信号的小波滤波.进一步针对船舶运动的非线性特性,基于深度神经网络的非线性映射能力,建立了基于LSTM网络的多步直接映射船舶运动极短期预报模型,并采用滤波后的船舶运动数据进行了不同工况下的预报分析.结果表明,不同时间长度的预报与试验结果幅值和相位吻合较好,验证了所建立的极短期预报模型的可行性. 相似文献
11.
12.
基于格型递归最小二乘算法的船舶运动极短期预报 总被引:2,自引:0,他引:2
在最小二乘方法(RLS,recursive least square)的基础上,提出利用格型递归最小二乘(LRLS,lattice recursive least square)算法对AR模型参数进行自适应估计.该算法为模块式的多极格型结构,降低了一般RLS算法的计算复杂度.利用实测的动态数据结合AIC准则建立自适应AR预报模型,并将该模型应用于船舶运动预报中,仿真结果表明,相对于最小二乘算法,基于LRLS算法的AR预报模型可有效提高船舶运动预报精度. 相似文献
13.
《船舶与海洋工程学报》2015,(3)
The scale effect leads to large discrepancies between the wake fields of model-scale and actual ships, and causes differences in cavitation performance and exciting forces tests in predicting the performance of actual ships. Therefore, when test data from ship models are directly applied to predict the performance of actual ships, test results must be subjected to empirical corrections. This study proposes a method for the reverse design of the hull model. Compared to a geometrically similar hull model, the wake field generated by the modified model is closer to that of an actual ship. A non- geometrically similar model of a Korean Research Institute of Ship and Ocean Engineering(KRISO)'s container ship(KCS) was designed. Numerical simulations were performed using this model, and its results were compared with full-scale calculation results. The deformation method of getting the wake field of full-scale ships by the non-geometrically similar model is applied to the KCS successfully. 相似文献
14.
15.
《船舶与海洋工程学报》2016,(4)
In this paper, Neural Networks(NNs) are used in the modeling of ship maneuvering motion. A nonlinear response model and a linear hydrodynamic model of ship maneuvering motion are also investigated. The maneuverability indices and linear non-dimensional hydrodynamic derivatives in the models are identified by using two-layer feed forward NNs. The stability of parametric estimation is confirmed. Then, the ship maneuvering motion is predicted based on the obtained models. A comparison between the predicted results and the model test results demonstrates the validity of the proposed modeling method. 相似文献
16.
船舶在复杂海况下的升沉运动具有很强的随机性与非线性特征,为提高船舶升沉运动的预报精度,提出基于内在可塑性回声状态网络(IPESN)的船舶升沉运动预报方法.将具有内在可塑性的神经元引入回声状态网络(ESN)的储备池结构,以提高网络对动态系统的映射能力;采用岭回归的方法对IPESN输出连接权值进行学习,以提高网络的泛化能力.将IPESN应用于3级、4级和5级海况下的船舶升沉运动极短期预报,并将结果与传统ESN和径向基函数网络(RBFN)进行对比.结果 表明,IPESN的平均绝对误差分别为0.0028、0.0039和0.0095;均方根误差分别为0.0035、0.0049和0.0117,优于经典ESN与RBFN的预报精度,验证了改进方法的有效性. 相似文献
17.
19.