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！
摘要：本发明公开了一种船舶纵摇预测方法，读取船舶运动数据并转化为监督学习数据，所述监督学习数据包括样本数据和标签；搭建基于通道注意力机制的Bi‑ConvLSTM网络，包括两层双向ConvLSTM循环网络、CNN网络、通道注意力机制和全连接层；采用梯度下降的方法训练网络，训练参数包括迭代次数epoch、批次大小batch_size，模型训练采用反向传播更新模型参数，保存迭代次数最大时的模型参数，并记录到训练时的MSE；将待预测的船舶运动数据输入训练好的所述基于通道注意力机制的Bi‑ConvLSTM网络，得到船舶纵摇预测结果。本发明所提出的网络模型预测精度和性能更好，且训练收敛速度更快。
主权项：1.一种船舶纵摇预测方法，其特征在于：读取船舶运动数据，包括纵摇角、回转角、相对风速、相对风向、船舶纵向速度和横向速度，将所述船舶运动数据转化为监督学习数据，所述监督学习数据包括样本数据和标签；搭建基于通道注意力机制的Bi-ConvLSTM网络，包括两层双向ConvLSTM循环网络、CNN网络、通道注意力机制和全连接层；基于通道注意力机制的Bi-ConvLSTM网络的两层双向ConvLSTM循环网络采用Relu激活函数，同时提取数据的时空信息，然后包括一层卷积层和一层平均池化层的CNN网络分别对不同时间步在ConvLSTM的输出进行特征处理，使数据在通道维度上聚合形成新的三维特征数据；然后通道注意力利用新的三维特征数据不同通道的最大值和平均值之和形成权重，各个通道数据乘以相应的权重再取和，最后形成单个通道的二维数据，全连接层将所述二维数据回归成预测值；采用梯度下降的方法训练所述基于通道注意力机制的Bi-ConvLSTM网络，训练参数包括迭代次数epoch、批次大小batch_size，模型训练采用反向传播更新模型参数，保存迭代次数最大时的模型参数，并记录到训练时的MSE；将待预测的船舶运动数据输入训练好的所述基于通道注意力机制的Bi-ConvLSTM网络，得到船舶纵摇预测结果。
全文数据：
权利要求：
百度查询： 哈尔滨工程大学 一种船舶纵摇预测方法
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