对船舶姿态的准确预测有利于保障船舶航行安全、提高船载仪器的数据质量。针对船舶运动姿态预测与分析问题,将特征选择(Feature Selection,FS)方法与长短期记忆神经网络(Long Short Term Memory,LSTM)相结合,以提高LSTM网络对船舶运动...对船舶姿态的准确预测有利于保障船舶航行安全、提高船载仪器的数据质量。针对船舶运动姿态预测与分析问题,将特征选择(Feature Selection,FS)方法与长短期记忆神经网络(Long Short Term Memory,LSTM)相结合,以提高LSTM网络对船舶运动姿态的预测精度,为船舶运动姿态的补偿奠定基础。以船舶运动姿态预测为目标,基于无人艇采集到的包含船舶运动状态信息的数据集,构建并训练了适应性较强的FS-LSTM神经网络预测模型。最终结果表明,本文所提出的方法具有较高的预测精度。展开更多
文摘对船舶姿态的准确预测有利于保障船舶航行安全、提高船载仪器的数据质量。针对船舶运动姿态预测与分析问题,将特征选择(Feature Selection,FS)方法与长短期记忆神经网络(Long Short Term Memory,LSTM)相结合,以提高LSTM网络对船舶运动姿态的预测精度,为船舶运动姿态的补偿奠定基础。以船舶运动姿态预测为目标,基于无人艇采集到的包含船舶运动状态信息的数据集,构建并训练了适应性较强的FS-LSTM神经网络预测模型。最终结果表明,本文所提出的方法具有较高的预测精度。
