上海交通大学学报

• •    下一篇

一种CNN-LSTM船舶运动极值预报模型(网络首发)

  

  1. 上海交通大学船舶海洋与建筑工程学院海洋工程国家重点实验室

摘要: 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)与长短时记忆网络(LSTM)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.

中图分类号: