检索结果-维普期刊中文期刊服务平台

基于联邦泛化的非平稳船舶横摇运动预测方法: 1; 作者张琴刘敦康 +2 位作者李嘉宾周福娜胡雄《船舶力学》 EI CSCD 北大核心 2024年第11期1654-1665,共12页; 船舶易受到风浪干扰而影响海上风力发电机的安装精度和维护安全性,其中长峰波随机波浪谱下的非平稳横摇运动影响最大。为保证海上作业在复杂海况下的稳定性,需要提高预测模型的泛化性,故本文提出基于联邦泛化的非平稳船舶横摇运动预测... 展开更多; 关键词船舶横摇运动预测变分模态分解注意力机制 LSTM 联邦学习; 在线阅读下载PDF 职称材料

基于改进ARIMA算法的船舶纵摇运动预测: 2; 作者张婷邱亮王培良《舰船科学技术》北大核心 2023年第21期64-69,共6页; 针对现有自回归移动平均模型(ARMA)在时间序列预测不具有普适性问题,提出构建差分自回归移动平均模型(ARIMA)对船舶摇摆角度值进行预测,并对比分析不同差分次数时的预测效果。首先,分析船舶纵摇角度值原始序列值,检验其平稳性,进行差分... 展开更多; 关键词 ARIMA模型最优差分次数船舶运动预测集装箱船; 在线阅读下载PDF 职称材料

基于EMD-PSO-LSTM组合模型的船舶运动姿态预测被引量：17: 3; 作者彭秀艳张彪《中国惯性技术学报》 EI CSCD 北大核心 2019年第4期421-426,共6页; 由于船舶在海上航行时的高随机性和复杂性,单一模型预测能力有限,难以做出准确姿态预测。因此,提出一种基于经验模态分解(EMD)和粒子群优化(PSO)的长短期记忆神经网络(LSTM)的组合预测模型,对船舶运动姿态进行预测。首先通过EMD算法将... 展开更多; 关键词组合模型长短期记忆神经网络经验模态分解船舶运动姿态预测粒子群优化; 在线阅读下载PDF 职称材料

基于ELM-EMD-LSTM组合模型的船舶运动姿态预测被引量：9: 4; 作者张彪彭秀艳高杰《船舶力学》 EI CSCD 北大核心 2020年第11期1413-1421,共9页; 在随机变动的海洋环境中,采用单一预测模型对船舶运动进行预报,预报值有时出现大的随机波动,预测误差超出安全限,对船舶运动控制和决策带来严重后果。本文提出了基于极限学习机(ELM)、经验模态分解(EMD)和长短期记忆(LSTM)神经网络的组... 展开更多; 关键词组合模型极限学习机经验模态分解船舶运动姿态预测长短期记忆神经网络; 在线阅读下载PDF 职称材料

基于VMD-SSA-GRU的船舶运动姿态预测被引量：3: 5; 作者左思雨赵强 +2 位作者张冰潘梦婷周萌萌《舰船科学技术》北大核心 2022年第23期60-65,69,共7页; 船舶运动姿态的准确预测对船舶的运动补偿意义重大,因此提出一种基于变分模态分解(VMD)和麻雀搜索算法(SSA)优化门控循环单元(GRU)的船舶运动姿态预测模型。首先利用VMD将船舶运动姿态数据分解为若干个本征模态分量,然后对各个本征模态... 展开更多; 关键词船舶运动姿态预测变分模态分解麻雀搜索算法门控循环单元; 在线阅读下载PDF 职称材料

基于LSTM-EMD模型的船舶航迹预测方法被引量：4: 6; 作者王均刚胡柏青 +1 位作者高端阳朱九鹏《舰船电子工程》 2023年第7期29-35,共7页; 船舶运动轨迹预测是船舶避碰、海上交通管理等领域的一个关键问题,对于提高航海安全性有着不可忽视的作用。现有成果包含了许多不同的轨迹预测模型,但很少有关于预测误差和补偿技术的研究。针对船舶轨迹预测与补偿技术,提出了一种结合... 展开更多; 关键词船舶运动轨迹预测 AIS 长短时记忆神经网络经验模态分解组合预测模型; 在线阅读下载PDF 职称材料

液体散货码头在泊安全作业智能管控技术: 7; 作者刘国田费华平 +3 位作者高云宝孙庆峰冒睿雯史宏达《水运工程》 2024年第1期196-201,共6页; 目前国内液体散货码头的泊位安全管控仍依靠人工经验,难以达到全程化、一体化、无人化要求,船舶靠离和在泊作业环节存在诸多风险。随着液体码头专业化、大型化的发展,安全作业管控需要在新概念上采取更为有效的措施。基于波浪的精细化预... 展开更多; 关键词液体散货码头安全管控船舶运动预测船舶作业就绪度; 在线阅读下载PDF 职称材料

题名基于联邦泛化的非平稳船舶横摇运动预测方法: 1; 作者张琴刘敦康李嘉宾周福娜胡雄; 机构上海海事大学物流工程学院; 出处《船舶力学》 EI CSCD 北大核心 2024年第11期1654-1665,共12页; 基金国家自然科学基金资助项目(62373213) 国家高技术研究发展计划项目(2013AA041106)。; 文摘船舶易受到风浪干扰而影响海上风力发电机的安装精度和维护安全性,其中长峰波随机波浪谱下的非平稳横摇运动影响最大。为保证海上作业在复杂海况下的稳定性,需要提高预测模型的泛化性,故本文提出基于联邦泛化的非平稳船舶横摇运动预测方法。首先,利用变模态方法分解非平稳船舶横摇运动为多分量平稳序列,进而采用注意力机制的长短期记忆神经网络建立本地多维多步预测模型,并进行误差校正;其次,为了提高复杂海况下遇到新类型船舶横摇运动时的预测效果,在不共享数据的前提下联合多家船舶横摇运动数据持有方进行择优联邦建模;最后,使用最大均值差异方法选择特征相似度高的数据进行加权平均联邦训练。实验结果表明,经过联邦学习后的模型具有更高的预测精度,以及更好的泛化能力,有助于风电安装时的波浪补偿稳定控制。; 关键词船舶横摇运动预测变分模态分解注意力机制 LSTM 联邦学习; Keywords ship roll motion prediction variational modal decomposition attention mechanism LSTM federated learning; 分类号 U661.321 [交通运输工程—船舶及航道工程]; 在线阅读下载PDF 职称材料

题名基于改进ARIMA算法的船舶纵摇运动预测: 2; 作者张婷邱亮王培良; 机构山东交通职业学院航海学院上海海事大学商船学院航运仿真技术教育部工程研究中心; 出处《舰船科学技术》北大核心 2023年第21期64-69,共6页; 基金国家青年自然科学基金资助项目(51909155) 潍坊市软科学研究计划项目(2021RKX125)。; 文摘针对现有自回归移动平均模型(ARMA)在时间序列预测不具有普适性问题,提出构建差分自回归移动平均模型(ARIMA)对船舶摇摆角度值进行预测,并对比分析不同差分次数时的预测效果。首先,分析船舶纵摇角度值原始序列值,检验其平稳性,进行差分运算,明确ARIMA模型的适用性;然后,依据AIC准则确定模型的阶数,并求解模型参数。最后,进行角度值序列预测,结合预测精度和误差分析,确定适用于预测船舶纵摇角度值的ARIMA模型。研究结果表明:以误差和均方差为模型评价指标,优化差分次数获得的ARIMA模型具有更好的预测效果。; 关键词 ARIMA模型最优差分次数船舶运动预测集装箱船; Keywords ARIMA model optimal differential times ship motion prediction container ship; 分类号 U661.42 [交通运输工程—船舶及航道工程]; 在线阅读下载PDF 职称材料

题名基于EMD-PSO-LSTM组合模型的船舶运动姿态预测被引量：17: 3; 作者彭秀艳张彪; 机构哈尔滨工程大学自动化学院; 出处《中国惯性技术学报》 EI CSCD 北大核心 2019年第4期421-426,共6页; 基金国家自然科学基金（6103091）; 文摘由于船舶在海上航行时的高随机性和复杂性,单一模型预测能力有限,难以做出准确姿态预测。因此,提出一种基于经验模态分解(EMD)和粒子群优化(PSO)的长短期记忆神经网络(LSTM)的组合预测模型,对船舶运动姿态进行预测。首先通过EMD算法将由惯性导航系统在实时测量得到的船舶运动姿态数据进行分解,得到有限个本征模函数(IMF)。然后,利用PSO-LSTM模型学习各IMF分量的短期时序规律并进行预测,将各IMF分量的预测值相加得到最终的预测结果。基于实测数据进行仿真的结果表明,该组合预测模型分别比LSTM模型和PSO-LSTM模型在姿态角的预测中平均绝对百分比误差分别降低了约11%和7%,有效提高了船舶运动姿态预测精度。; 关键词组合模型长短期记忆神经网络经验模态分解船舶运动姿态预测粒子群优化; Keywords integrated model long short-term memory neural network empirical mode decomposition ship motion attitude prediction particle swarm optimization; 分类号 U666.1 [交通运输工程—船舶及航道工程]; 在线阅读下载PDF 职称材料

题名基于ELM-EMD-LSTM组合模型的船舶运动姿态预测被引量：9: 4; 作者张彪彭秀艳高杰; 机构哈尔滨工程大学自动化学院哈尔滨理工大学自动化学院中国船舶工业系统工程研究院; 出处《船舶力学》 EI CSCD 北大核心 2020年第11期1413-1421,共9页; 基金国家自然科学基金资助项目(61503091)。; 文摘在随机变动的海洋环境中,采用单一预测模型对船舶运动进行预报,预报值有时出现大的随机波动,预测误差超出安全限,对船舶运动控制和决策带来严重后果。本文提出了基于极限学习机(ELM)、经验模态分解(EMD)和长短期记忆(LSTM)神经网络的组合预测模型,对船舶运动姿态进行预测。首先,通过ELM模型预测方法进行船舶运动姿态的初始预测,然后采用EMD算法分解初始预测残差得到有限个本征模函数(IMF),并利用LSTM模型学习各IMF分量的短期时序规律进行预测,将各IMF分量的预测值相加得到残差预测值;最后将初始预测值与残差预测值组合得到最终的预测结果。仿真结果表明:与单一的LSTM模型和ELM-LSTM模型相比,该组合预测模型的平均绝对误差及均方根误差均为最小,预测精度更高,是一种更为有效的船舶运动姿态预测方法。; 关键词组合模型极限学习机经验模态分解船舶运动姿态预测长短期记忆神经网络; Keywords integrated model extreme learning machine(ELM) empirical mode decomposition(EMD) ship motion attitude prediction long short-term memory(LSTM)neural network; 分类号 U666.3 [交通运输工程—船舶及航道工程]; 在线阅读下载PDF 职称材料

题名基于VMD-SSA-GRU的船舶运动姿态预测被引量：3: 5; 作者左思雨赵强张冰潘梦婷周萌萌; 机构江苏科技大学电子信息学院; 出处《舰船科学技术》北大核心 2022年第23期60-65,69,共7页; 文摘船舶运动姿态的准确预测对船舶的运动补偿意义重大,因此提出一种基于变分模态分解(VMD)和麻雀搜索算法(SSA)优化门控循环单元(GRU)的船舶运动姿态预测模型。首先利用VMD将船舶运动姿态数据分解为若干个本征模态分量,然后对各个本征模态分量分别建立SSA-GRU预测模型进行预测,最后累加得到预测结果。通过实船模拟的船舶运动姿态数据进行验证,证明此预测模型较于SSA-GRU和GRU预测模型预测精度均有相应提升,验证了本预测模型在船舶运动姿态数据预测的有效性。; 关键词船舶运动姿态预测变分模态分解麻雀搜索算法门控循环单元; Keywords ship motion attitude prediction variational mode decomposition sparrow search algorithm gated recurrent unit; 分类号 U661.32 [交通运输工程—船舶及航道工程]; 在线阅读下载PDF 职称材料

题名基于LSTM-EMD模型的船舶航迹预测方法被引量：4: 6; 作者王均刚胡柏青高端阳朱九鹏; 机构海军工程大学电气工程学院大连舰艇学院航海系; 出处《舰船电子工程》 2023年第7期29-35,共7页; 文摘船舶运动轨迹预测是船舶避碰、海上交通管理等领域的一个关键问题,对于提高航海安全性有着不可忽视的作用。现有成果包含了许多不同的轨迹预测模型,但很少有关于预测误差和补偿技术的研究。针对船舶轨迹预测与补偿技术,提出了一种结合长短时记忆(Long Short-Term Memory,LSTM)神经网络模型和经验模态分解(Empirical Mode Decomposition,EMD)算法的预测框架,包含数据预处理、LSTM模型预测、EMD分解、残差预测及补偿,利用AIS(Automatic Identification System,AIS)数据进行实验验证,实验结果表明:与BP神经网络模型和LSTM神经网络模型相比,该组合模型的均方根误差和平均绝对百分比误差均为最小,是一种预测精度更高的船舶运动轨迹预测方法。; 关键词船舶运动轨迹预测 AIS 长短时记忆神经网络经验模态分解组合预测模型; Keywords ship motion trajectory prediction AIS LSTM EMD combined predicting model Class Number U674; 分类号 U674 [交通运输工程—船舶及航道工程]; 在线阅读下载PDF 职称材料

题名液体散货码头在泊安全作业智能管控技术: 7; 作者刘国田费华平高云宝孙庆峰冒睿雯史宏达; 机构烟台港集团有限公司中国海洋大学工程学院海博泰科技(青岛)有限公司山东省海洋工程重点实验室; 出处《水运工程》 2024年第1期196-201,共6页; 文摘目前国内液体散货码头的泊位安全管控仍依靠人工经验,难以达到全程化、一体化、无人化要求,船舶靠离和在泊作业环节存在诸多风险。随着液体码头专业化、大型化的发展,安全作业管控需要在新概念上采取更为有效的措施。基于波浪的精细化预报,提出一套液体散货码头的智能安全管控技术,对船舶运动进行预测,从而主动避险。提出船舶作业就绪度的概念,并以此对在泊作业各影响因素进行指标赋权,构建其安全评价模型,得到在泊安全判据。结果表明,该技术的应用为船舶安全作业窗口期的决策提供有力的科学依据。; 关键词液体散货码头安全管控船舶运动预测船舶作业就绪度; Keywords liquid bulk cargo terminal safety management and control ship motion prediction ship operation readiness; 分类号 U698.5 [交通运输工程—港口、海岸及近海工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于联邦泛化的非平稳船舶横摇运动预测方法	张琴刘敦康李嘉宾周福娜胡雄	《船舶力学》 EI CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	基于改进ARIMA算法的船舶纵摇运动预测	张婷邱亮王培良	《舰船科学技术》北大核心	2023	0	在线阅读下载PDF 职称材料
3	基于EMD-PSO-LSTM组合模型的船舶运动姿态预测	彭秀艳张彪	《中国惯性技术学报》 EI CSCD 北大核心	2019	17	在线阅读下载PDF 职称材料
4	基于ELM-EMD-LSTM组合模型的船舶运动姿态预测	张彪彭秀艳高杰	《船舶力学》 EI CSCD 北大核心	2020	9	在线阅读下载PDF 职称材料
5	基于VMD-SSA-GRU的船舶运动姿态预测	左思雨赵强张冰潘梦婷周萌萌	《舰船科学技术》北大核心	2022	3	在线阅读下载PDF 职称材料
6	基于LSTM-EMD模型的船舶航迹预测方法	王均刚胡柏青高端阳朱九鹏	《舰船电子工程》	2023	4	在线阅读下载PDF 职称材料
7	液体散货码头在泊安全作业智能管控技术	刘国田费华平高云宝孙庆峰冒睿雯史宏达	《水运工程》	2024	0	在线阅读下载PDF 职称材料