原文传递
基于优化神经网络模型的船舶运动预测
| 论文题名： | 基于优化神经网络模型的船舶运动预测 |
| 关键词： | 深度学习;船舶运动预测;智能优化算法;优化神经网络 |
| 摘要： | 近年来，随着船舶行业和现代化技术的发展，对海上船舶的运动进行研究已然成为了重中之重。激烈的船舶震荡会严重影响直升机起降、船舶间货物补给和船员的安全，严重时会导致翻船造成无法估量的损失。因此，对船舶的运动姿态进行准确有效的预测已成为一个重要的课题。本文采用神经网络模型对船舶运动进行预测，并引入智能优化算法对神经网络超参数进行自动寻优。主要研究内容如下： 针对传统预测方法对船舶运动姿态进行研究时存在精度低等问题。设计基于哈里斯鹰优化算法与时间卷积网络的预测模型，主要对横摇倾斜角度、纵摇倾斜角度和升沉位移大小进行预测。在对时间卷积网络的超参数进行自动寻优时，采用哈里斯鹰算法求取最适合的超参数，提高网络的训练能力和预测效果。 针对传统智能优化算法的一些问题，例如单一的智能算法搜索精度低，容易陷入局部最优等。设计一种基于哈里斯鹰算法与正余弦算法的交叉并行智能优化算法框架。采用哈里斯鹰算法的优秀开发机制与正余弦优化算法快速的搜索方式，结合两种算法各自的优点提高算法的寻优精度和速度。 针对船舶运动实时预测时间长和误差大等问题，设计一种名为HHO-SCA-BIGRU的船舶运动实时预测模型。与BIGRU网络模型相比，其它模型都会存在时间长或者精度低的问题，而BIGRU在这两个方面都有着很好的效果。因此利用提出的交叉并行优化算法对BIGRU网络的超参数进行自动寻优，进一步提高网络的预测能力。 |
| 作者： | 贾名琪 |
| 专业： | 控制科学与工程 |
| 导师： | 姜艳姝 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨理工大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
