-
题名基于深度学习的船舶横摇运动预报算法研究
- 1
-
-
作者
宋新宇
张秀凤
余英杰
-
机构
大连海事大学航海学院
-
出处
《舰船科学技术》
北大核心
2025年第12期6-13,共8页
-
基金
国家重点研发计划资助项目(2022YFB4301402)。
-
文摘
船舶作为重要的运输工具,其安全性和稳定性受到了广泛关注。在恶劣海况下的横摇运动不仅影响货物的运输效率,更直接威胁到船员的生命安全和船舶的完整性。目前大多数预测船舶横摇运动的方法在实际应用中仍存在一定局限性,尤其在预测精度、计算效率、复杂多变的海洋环境的适应性等方面。本文提出基于深度学习的CEEMDAN-WOA-LSTM混合模型,通过先进的数据处理技术和优化算法,对不同船型的横摇运动数据进行训练建模和仿真预报,结果表明,本文提出的混合模型和优化方法,提高了船舶横摇运动预报的准确性和效率以及适应性,为海上交通安全管理提供强有力的技术支持。
-
关键词
船舶横摇运动预报
深度学习
CEEMDAN分解
鲸鱼优化算法
长短期记忆神经网络
-
Keywords
ship rolling motion forecasting
deep learning
CEEMDAN decomposition
WOA
LSTM
-
分类号
U661
[交通运输工程—船舶及航道工程]
-
