由于复杂海况随机海浪对船舶航行及人命安全造成威胁,通过构建海浪波高预测模型实现高海况海浪预警对提升航行安全具有重要意义。针对海浪波高预测问题,本文提出一种MAF-GWO-LSTM预测模型。首先利用滑动平均滤波器(Moving Average Filte...由于复杂海况随机海浪对船舶航行及人命安全造成威胁,通过构建海浪波高预测模型实现高海况海浪预警对提升航行安全具有重要意义。针对海浪波高预测问题,本文提出一种MAF-GWO-LSTM预测模型。首先利用滑动平均滤波器(Moving Average Filter,MAF)对实测海浪数据进行处理得到有效波高的光滑趋势序列,作为预测模型的输入训练集;再选用长短时记忆神经网络LSTM作为预测浪模型,依据灰狼优化算法(Grey Wolf Optimization,GWO)对滑动窗口MA及神经网络训练过程中的参数进行自适应寻优,并以南海实测有效波高数据进行验证。研究结果表明,采用MAF滤波有利于提取海浪有效波高特征,再通过GWO-LSTM预测模型优化神经网络参数,最优参数下波高预报精度达到R^(2)=0.991 0。论文研究可为高海况下海浪有效波高预报预警提供一种有效手段。展开更多
文摘由于复杂海况随机海浪对船舶航行及人命安全造成威胁,通过构建海浪波高预测模型实现高海况海浪预警对提升航行安全具有重要意义。针对海浪波高预测问题,本文提出一种MAF-GWO-LSTM预测模型。首先利用滑动平均滤波器(Moving Average Filter,MAF)对实测海浪数据进行处理得到有效波高的光滑趋势序列,作为预测模型的输入训练集;再选用长短时记忆神经网络LSTM作为预测浪模型,依据灰狼优化算法(Grey Wolf Optimization,GWO)对滑动窗口MA及神经网络训练过程中的参数进行自适应寻优,并以南海实测有效波高数据进行验证。研究结果表明,采用MAF滤波有利于提取海浪有效波高特征,再通过GWO-LSTM预测模型优化神经网络参数,最优参数下波高预报精度达到R^(2)=0.991 0。论文研究可为高海况下海浪有效波高预报预警提供一种有效手段。
