共查询到20条相似文献,搜索用时 171 毫秒
1.
传统的船舶横向运动短期姿态预报数学模型存在着预报性能低的缺陷,为此提出船舶横向运动短期姿态预报数学建模可行性研究。采用平均滤除法对船舶横向运动数据中的不良数据进行去除,完成船舶横向运动数据准备,将得到的船舶横向运动数据进行归一化处理,适应预报函数的需求,将得到的归一化的船舶横向运动数据输入到BP神经网络算法中完成船舶横向运动短期姿态的预报,实现了船舶横向运动短期姿态预报数学模型的建立。通过实验得到,构建的船舶横向运动短期姿态预报数学模型预报误差比传统模型低了21.41%,预报时间比传统模型高出3.25 s,充分说明构建的船舶横向运动短期姿态预报数学模型具备良好的可行性与预报性能。 相似文献
2.
本文在雷达避碰速比测定法研究的基础上提出了速比圆预报危险区的数学模型,这个模型可用于自动雷达标绘(ARPA)系统。文中分别简述和分析了速比圆(可能碰撞圆)预报危险区的构造原理及数学模型。在TRS-80微型计算机上的计算结果表明,速比圆预报危险区模型比现有的ARPA系统中的预报危险区模型能提供更多的避碰信息。 相似文献
3.
通过建立水下航行体空间的操纵运动数学模型,运用Visual C++设计开发水下航行体操纵运动预报系统,对水下航行体水平面、垂直面及空间典型操纵运动进行数值预报,数值模拟结果合理,能够较为全面地预报水下航行体的空间操纵运动。 相似文献
4.
中国海域潮汐预报软件Chinatide的应用 总被引:9,自引:15,他引:9
对中国海域潮汐预报软件Chinatide的理论基础、使用方法进行了简介;使用现场实测资料对Chinatide软件预报结果进行了对比验证;指出了应用Chinatide软件预报潮汐应该注意的问题。对于海岸河口潮流数学模型来说,Chinatide是一个很好的提供开边界条件的软件。 相似文献
5.
6.
7.
8.
9.
10.
论述了运用VB高级语言开发软件对舰船某开盖机构模拟装置数学模型进行仿真的技术,并进行了仿真结果与系统试验结果的对比分析.分析结果表明,数学模型仿真的方法正确合理,达到了预报系统性能的目的. 相似文献
11.
一种新的支持向量回归算法及其在集装箱吞吐量预测中的应用 总被引:3,自引:0,他引:3
支持向量机是基于统计学习理论框架下的一种新的通用机器学习方法,是一种处理非线性分类和非线性回归的有效方法。由于具有完备的理论基础和出色的学习性能,该技术已成为当前国际机器学习界的研究热点,能较好地对应解决小样本、高维数、非线性和局部极小点等实际问题。近来,SVR方法被引入求解回归和预测问题,并在各领域中得到广泛的应用。文章提出了一种新的基于单参数的Lagrangian支持向量回归算法,并将该算法应用在集装箱吞吐量预测中。估算结果证明了这种改进的支持向量回归算法在集装箱吞吐量预测中的有效性和实用性。 相似文献
12.
SHEN Yan XIE Mei-ping 《船舶与海洋工程学报》2005,4(2):56-60
A DRNN (diagonal recurrent neural network) and its RPE (recurrent prediction error) learning algorithm are proposed in this paper . Using of the simple structure of DRNN can reduce the capacity of calculation. The principle of RPE learning algorithm is to adjust weights along the direction of Gauss-Newton. Meanwhile, it is unnecessary to calculate the second local derivative and the inverse matrixes, whose unbiasedness is proved. With application to the extremely short time prediction of large ship pitch, satisfactory results are obtained. Prediction effect of this algorithm is compared with that of auto-regression and periodical diagram method, and comparison results show that the proposed algorithm is feasible. 相似文献
13.
14.
为提高船舶在海上运动的耐波性与适航性,并为解决具有非线性、随机性和非平稳性特点的船舶运动姿态难以准确预测的问题,提出运用一种基于变分模态分解和自适应粒子群算法优化极限学习机的组合预测模型。该算法首先利用变分模态分解将船舶运动姿态序列分解为一系列限带内本征模态函数,并且变分模态分解可以避免经验模态分解技术所产生的模态混叠和端点效应,可以降低序列的非平稳性对预测精度的影响;然后对各模态分量分别建立极限学习机预测模型,并用改进的粒子群算法对极限学习机的初始权值和阈值进行优化;最后将各模态分量预测结果进行叠加,得到最终的船舶运动姿态预测值。通过模拟试验测试并与其他传统的预测方法进行比较,结果表明所建立的组合预测模型具有更高的预测精度。 相似文献
15.
Weibin Zhang Yajie Zou Jinjun Tang John Ash Yinhai Wang 《Journal of Marine Science and Technology》2016,21(4):729-741
Ferry service plays an important role in several cities with waterfront areas. Transportation authorities often need to forecast volumes of vehicular traffic in queues waiting to board ships at ferry terminals to ensure sufficient capacity and establish schedules that meet demand. Several previous studies have developed models for long-term vehicle queue length prediction at ferry terminals using terminal operation data. Few studies, however, have been undertaken for short-term vehicular queue length prediction. In this study, machine learning methods including the artificial neural network (ANN) and support vector machine (SVM) are applied to predict vehicle waiting queue lengths at ferry terminals. Through time series analysis, the existence of a periodic queue-length pattern is established. Hence, methodologies used in this study take into account periodic features of vehicle queue data at terminals for prediction. To further consider the cyclical characteristics of vehicle queue data at ferry terminals, a prediction approach is proposed to decompose vehicle waiting queue length into two components: a periodic part and a dynamic part. A trigonometric regression function is introduced to capture the periodic component, and the dynamic part is modeled by SVM and ANN models. Moreover, an assembly technique for combining SVM and ANN models is proposed to aggregate multiple prediction models and in turn achieve better results than could be attained from a lone predictive method. The prediction results suggest that for multi-step ahead vehicle queue length prediction at ferry terminals, the ensemble model outperforms the separate prediction models and the hybrid models, especially as prediction step size increases. This research has important practical significance to both traffic service management interests and the travelers in cities along waterfront areas. 相似文献
16.
17.
18.
提出一种基于支持向量机(SVM)的粉煤灰混凝土氯离子渗透性新型智能预测模型,并给出了相应的步骤和算法。通过该模型分析了水胶比、水泥用量、用水量及粉煤灰掺入量4个因素对粉煤灰混凝土渗透性的影响。在此基础上,能利用有限的试验数据方便地由不同的配比对所浇注混凝土渗透性进行预测,有助于准确认识混凝土耐久性随配比参数的变化规律。通过具体实例及与BP预测方法效果对比表明,该模型构造速度高2~3个数量级,预测精度高5倍左右。因此该模型在混凝土性能预测和优化设计中具有广阔的应用前景。 相似文献
19.
支持向量机(Support Vector Machines,SVM)是基于统计学习理论框架下的一种新的通用机器学习方法,是一种处理非线性分类和非线性回归的有效方法。由于具有完备的理论基础和出色的学习性能,该技术已成为当前国际机器学习界的研究热点,能较好地解决小样本、高维数、非线性和局部极小点等实际问题。近来,SVR方法被引入求解回归和预测问题,并在各领域中得到广泛的应用。本文在分析现有基于高斯核的支持向量回归方法优缺点的基础上,突破目前在构造支持向量机中存在的"所有支持向量与样本之间的在特征空间中的内积所对应的核函数参数一定要相等"的这一思维定势,提出了一种新的算法——"基于高斯核参数加权的支持向量回归机"算法,并将该算法应用在世界散货船队运力预测中。估算结果证明了这种改进的支持向量回归算法在船队运力预测中的有效性和实用性。 相似文献