龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：哈尔滨工程大学
摘要：本发明提出了一种基于时序模式注意力机制的CNN‑LSTM船舶运动姿态预测方法，获取多变量实船运动的真实数据集，绘制多变量数据的热力图，选择相互之间相关程度高的多变量数据作为输入，利用滑动窗口的思想将其构造为有监督数据集，并对其进行数据预处理；搭建基于时序模式注意力机制的CNN‑LSTM混合网络，包括一维卷积层，LSTM层、时序注意力机制模块和展平层；训练网络，使用MSE评价模型；将新的船舶运动姿态数据传入到训练好的混合网络模型，得到预测数据。本发明利用基于时序模式注意力机制的CNN‑LSTM混合网络模型进行训练，与单一的网络相比，可以同时提取船舶运动姿态数据的空间维度特征和时序维度特征，网络模型具有更高的预测精度。
主权项：1.一种基于时序模式注意力机制的CNN-LSTM船舶运动姿态预测方法，其特征在于：具体包括船舶横倾预测、船舶纵倾预测以及船舶回转率预测；步骤1：获取实船运动的真实数据集，将其通过Pandas模块转化为DataFrame型数据，绘制多变量数据的热力图，选择相互之间相关程度高的多变量数据作为输入，利用滑动窗口的思想将其构造为有监督数据集，并对其进行数据预处理，包括异常值处理、插值平滑处理及归一化处理。并将数据集按照8:2的比例划分为训练集和测试集；步骤2：搭建本发明提出的网络模型，包括两层一维卷积层，两层LSTM层、时序模式注意力机制和全连接层，层与层之间采取随机抛弃神经元操作，以防止模型出现过拟合；步骤3：训练基于时序模式注意力机制的CNN-LSTM混合网络模型，并进行模型预测的输出；步骤4：将步骤3中训练好的模型进行评估，并应用到新的数据中，得到新的船舶运动姿态预测值。
全文数据：
权利要求：
百度查询： 哈尔滨工程大学 一种基于时序模式注意力机制的CNN-LSTM船舶运动姿态预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号