基于果蝇优化算法的支持向量机参数优化在船舶操纵预报中的应用

上海交通大学学报（自然版） ›› 2013, Vol. 47 ›› Issue (06): 884-888.

基于果蝇优化算法的支持向量机参数优化在船舶操纵预报中的应用

王雪刚a，邹早建a,b

(上海交通大学 a.船舶海洋与建筑工程学院； b.海洋工程国家重点实验室，上海 200240)

收稿日期:2012-08-13
基金资助:
国家自然科学基金项目(50979060)，教育部高等学校博士学科点专项科研基金项目(20110073110009)

FOA-Based SVM Parameter Optimization and Its Application in Ship Manoeuvring Prediction

WANG Xueganga,ZOU Zaojiana,b

(a.School of Naval Architecture, Ocean and Civil Engineering; b.State Key Laboratory of Ocean Engineering, Shanghai Jiaotong University, Shanghai 200240, China)

Received:2012-08-13

摘要/Abstract

摘要：

应用果蝇优化算法对船舶操纵运动预报的ε-支持向量机(ε-SVM)的参数进行优化，建立船舶操纵运动预报黑箱模型，并用所建立的模型对Z形试验进行预报.通过预报结果与仿真试验结果对比，验证了该优化算法的有效性.研究结果表明，所设计的参数寻优方法具有算法设置简单、调整参数少以及不易陷入局部极小值等优点.

关键词: 船舶操纵预报, 果蝇优化算法, 支持向量机, 参数优化

Abstract:

The fruit fly optimization algorithm (FOA) was applied to optimize the parameters of ε-support vector machine (εSVM). By using the ε-SVM, a black-box model for predicting the ship manoeuvring motion was established and applied to predict the zig-zag tests. The validity of the proposed algorithm was verified by comparing the predicted results with the simulation data. It is shown that the proposed algorithm is simple, convenient and effective.

Key words: ship manoeuvring prediction; , fruit fly optimization algorithm(FOA), support vector machine(SVM), parameter optimization

中图分类号:

U 661.33

王雪刚a，邹早建a,b. 基于果蝇优化算法的支持向量机参数优化在船舶操纵预报中的应用[J]. 上海交通大学学报（自然版）, 2013, 47(06): 884-888.

WANG Xueganga,ZOU Zaojiana,b. FOA-Based SVM Parameter Optimization and Its Application in Ship Manoeuvring Prediction[J]. Journal of Shanghai Jiaotong University, 2013, 47(06): 884-888.

参考文献

［1］Hess D, Faller W. Simulation of ship manoeuvres using recursive neural networks［C］// TwentyThird Symposium on Naval Hydrodynamics. Washington, D C: National Academy Press, 2001:223242.

［2］罗伟林. 基于支持向量机方法的船舶操纵运动建模研究［D］. 上海: 上海交通大学船舶海洋与建筑工程学院, 2009.

［3］张心光, 邹早建. 支持向量回归机不敏感因子ε对运动建模的影响［J］. 中国造船, 2011, 52(3): 4651.

ZHANG Xinguang, ZOU Zaojian. The effect of SVR insensitive factor on modeling of motion［J］. Shipbuliding of China, 2011, 52(3): 4651.

［4］刘胜, 李妍妍. 基于蚁群算法的SVM参数选择研究［C］// 2006年船舶通讯导航学术会议论文集. 湖北, 宜昌: 中国造船工程学会, 2006:163167.

［5］刘胜, 宋佳, 李高云. PSO并行优化LSSVR非线性黑箱模型辨识［J］. 智能系统学报, 2010, 5(1): 5156.

LIU Sheng, SONG Jia, LI Gaoyun. Modeling a complex nonlinear system with particle swarm optimization and paralleloptimized least squares vector regression ［J］. CAAI Transactions on Intelligent Systems, 2010, 5(1) :5156.

［6］PAN Wentsao. A new fruit fly optimization algorithm: Taking the financial distress model as an example［J］.

KnowledgeBased Systems, 2012, 26:6974.

［7］贾欣乐, 杨盐生. 船舶运动数学模型—机理建模与辨识建模［M］. 大连: 大连海事大学出版社, 1999.

［8］Chislett M S, Tejsen J S. Planar motion mechanism tests and full scale steering and maneuvering predictions for a Mariner class vessel［M］. Lyngby, Denmark: Teknisk Forlag, 1965.

[1]	施裕升, 王晓科, 周宇泰, 蒋国韬, 徐天洋. 基于卡方检验与SVM的多雷达抗欺骗干扰方法[J]. 空天防御, 2022, 5(1): 108-114.
[2]	肖冉, 魏子清, 翟晓强. 基于支持向量机的办公建筑逐时能耗预测[J]. 上海交通大学学报, 2021, 55(3): 331-336.
[3]	朱东, 姜萍萍, 颜国正, 王志武, 韩玎, 赵凯, 华芳芳, 姚盛健, 丁紫凡, 周泽润. 人工肛门括约肌系统便意感知重建[J]. 上海交通大学学报, 2020, 54(8): 771-777.
[4]	陶正瑞, 党嘉强, 徐锦泱, 安庆龙, 陈明, 王力, 任斐. 基于支持向量机回归的曲面零件涡流测距标定方法[J]. 上海交通大学学报, 2020, 54(7): 674-681.
[5]	徐彬彬, 洪榛, 赵磊, 俞立. 网络化倒立摆系统的偏差攻击及其检测方法[J]. 上海交通大学学报, 2020, 54(7): 697-704.
[6]	方佳, 陆志强. 考虑设备故障的鲁棒调度计划模板的建模优化[J]. 上海交通大学学报, 2020, 54(12): 1278-1290.
[7]	胡晓强，仲训昱，张霄力，彭侠夫，何荧. 基于支持向量机辅助的四轴陀螺两级故障诊断方法[J]. 上海交通大学学报, 2020, 54(11): 1151-1156.
[8]	张英，陈智，李羿良，金远. 华龙一号反应堆功率控制系统优化设计[J]. 上海交通大学学报, 2019, 53(Sup.1): 55-60.
[9]	王江卓,徐文聪,李建勋,贺丰收,曹兰英,缪礼锋. 基于支持向量机的雷达电子支援措施系统点迹-航迹关联算法[J]. 上海交通大学学报, 2019, 53(9): 1091-1099.
[10]	马志宏，贡亮，林可，毛雨晗，吴伟，刘成良. 基于稻穗几何形态模式识别的在穗籽粒数估测[J]. 上海交通大学学报（自然版）, 2019, 53(2): 239-246.
[11]	李春祥，裴杨从琪，殷潇. 基于Hermite组合核EMD-WT-LSSVM的非平稳非高斯风压预测[J]. 上海交通大学学报, 2019, 53(10): 1249-1258.
[12]	李春祥,殷潇. 基于小波支持向量机的非高斯空间风压内外插预测[J]. 上海交通大学学报（自然版）, 2018, 52(11): 1516-1523.
[13]	徐峰1，范春菊1，徐勋建2，李丽2，倪佳筠3. 基于变分模态分解和AMPSO-SVM耦合模型的滑坡位移预测[J]. 上海交通大学学报（自然版）, 2018, 52(10): 1388-1395.
[14]	张颖，乔运龙,张海洋. 基于虚拟力和果蝇优化算法混合控制水声传感器网络部署策略[J]. 上海交通大学学报（自然版）, 2017, 51(6): 715-721.
[15]	马天亮，徐添翼，高益，蔡萍. 基于支持向量机的热轧主电机风冷变频策略[J]. 上海交通大学学报（自然版）, 2017, 51(5): 542-.