%A 詹可, 朱仁传 %T 一种CNN-LSTM船舶运动极值预报模型 %0 Journal Article %D 2023 %J 上海交通大学学报 %R 10.16183/j.cnki.jsjtu.2022.089 %P 963-971 %V 57 %N 8 %U {https://xuebao.sjtu.edu.cn/CN/abstract/article_46140.shtml} %8 2023-08-28 %X

针对船舶摇荡运动的短期极值预报,提出一种融合运动频谱信息的滑动窗口方法提取特征数据,在此基础上构建卷积神经网络(CNN)与长短时记忆(LSTM)网络的组合预报模型,其中CNN模块针对输入数据的局部相关特征,LSTM模块针对数据的时间维度特征.对S175船进行运动仿真测试,结果表明,该模型对未来1~2个周期内的运动极值信息预报效果良好,各项评价指标均明显优于LSTM和门控循环单元(GRU)模型,具有重要的应用价值.