[發(fā)明專利]一種基于LSTMC混合網(wǎng)絡(luò)的船舶橫搖預(yù)測方法

有效

• 申請?zhí)枺?/td>: 202110226036.1
• 申請日: 2021-03-01
• 公開（公告）號: CN112948969B
• 公開（公告）日: 2022-07-15
• 發(fā)明（設(shè)計）人: 王宇超;王輝;傅薈璇;王成龍;付明玉;鄒德鑫;王秋蘇;張明月;顧志強
• 申請（專利權(quán)）人: 哈爾濱工程大學(xué)
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/27;G06F119/14
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于LSTMC混合網(wǎng)絡(luò)的船舶橫搖預(yù)測方法，其特征在于，包括如下步驟：

步驟1：使用Pandas讀取數(shù)據(jù)集數(shù)據(jù)并進(jìn)行數(shù)據(jù)的預(yù)處理，每10步數(shù)據(jù)為一組，前8步的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)用于擬合網(wǎng)絡(luò)參數(shù)，第9、10步的數(shù)據(jù)作為預(yù)測數(shù)據(jù)，每一組訓(xùn)練數(shù)據(jù)及其預(yù)測數(shù)據(jù)為一個訓(xùn)練樣本，64個訓(xùn)練樣本為一個批次，將大地風(fēng)速、船舶姿態(tài)角及其角速度數(shù)據(jù)傳入網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

步驟2：搭建LSTMC混合網(wǎng)絡(luò)；使用Keras高層接口Keras.Model.compile()方法進(jìn)行模型的裝配，設(shè)置參數(shù)Epoch＝30，Batch size＝64，優(yōu)化器為Adam，評價指標(biāo)器為MSE、MAPE；

步驟3：訓(xùn)練LSTMC混合網(wǎng)絡(luò)；用Keras高層接口Keras.Model.fit()方法進(jìn)行模型的訓(xùn)練，設(shè)置保存評價指標(biāo)MSE、MAPE最優(yōu)的一次模型參數(shù)；

步驟4：經(jīng)過步驟3后得到混合網(wǎng)絡(luò)的模型參數(shù)，把新的船舶姿態(tài)數(shù)據(jù)傳入到訓(xùn)練好的混合網(wǎng)絡(luò)中去，得到預(yù)測的船舶姿態(tài)數(shù)據(jù)；所述步驟2中的LSTMC混合網(wǎng)絡(luò)包括一層雙向LSTM網(wǎng)絡(luò)、兩層卷積層、兩層最大池化層、兩層全連接層，一層神經(jīng)元連接隨機組斷層，雙向LSTM層提取數(shù)據(jù)的時間特征，兩層卷積層提取數(shù)據(jù)的空間特征。

2.根據(jù)權(quán)利要求1所述的一種基于LSTMC混合網(wǎng)絡(luò)的船舶橫搖預(yù)測方法，其特征在于，所述雙向LSTM網(wǎng)絡(luò)神經(jīng)元個數(shù)為：第一層64，第二層100。