公开(公告)号：CN112948969A

公开(公告)日：2021-06-11

申请号：CN202110226036.1

申请日：2021-03-01

Applicant: 哈尔滨工程大学

Inventor： 王宇超 ,  王辉 ,  傅荟璇 ,  王成龙 ,  付明玉 ,  邹德鑫 ,  王秋苏 ,  张明月 ,  顾志强

IPC: G06F30/15 ,  G06F30/27 ,  G06F119/14

Abstract: 本发明一种基于LSTMC混合网络的船舶横摇预测方法，使用Pandas读取数据集数据并进行数据的预处理，将大地风速、船舶姿态角及其角速度数据传入网络进行训练；搭建LSTMC混合网络；训练LSTMC混合网络；用Keras高层接口Keras.Model.fit()方法进行模型的训练，设置保存评价指标MSE、MAPE最优的一次模型参数；把新的船舶姿态数据传入到训练好的混合网络中去，得到预测的船舶姿态数据。本发明能够快速准确地完成对船舶横摇的预测，相比其他单一的神经网络模型，不仅能够提取时间特征，而且能够提取空间特征，提高预测精度。

公开(公告)号：CN112948969B

公开(公告)日：2022-07-15

申请号：CN202110226036.1

申请日：2021-03-01

Applicant: 哈尔滨工程大学

Inventor： 王宇超 ,  王辉 ,  傅荟璇 ,  王成龙 ,  付明玉 ,  邹德鑫 ,  王秋苏 ,  张明月 ,  顾志强

IPC: G06F30/15 ,  G06F30/27 ,  G06F119/14

Abstract: 本发明一种基于LSTMC混合网络的船舶横摇预测方法，使用Pandas读取数据集数据并进行数据的预处理，将大地风速、船舶姿态角及其角速度数据传入网络进行训练；搭建LSTMC混合网络；训练LSTMC混合网络；用Keras高层接口Keras.Model.fit()方法进行模型的训练，设置保存评价指标MSE、MAPE最优的一次模型参数；把新的船舶姿态数据传入到训练好的混合网络中去，得到预测的船舶姿态数据。本发明能够快速准确地完成对船舶横摇的预测，相比其他单一的神经网络模型，不仅能够提取时间特征，而且能够提取空间特征，提高预测精度。