基于EMD-PSO-LSTM组合模型的船舶运动姿态预测

关键词：组合模型 长短期记忆 神经网络 经验模态分解 船舶运动姿态预测 

摘要：由于船舶在海上航行时的高随机性和复杂性,单一模型预测能力有限,难以做出准确姿态预测。因此,提出一种基于经验模态分解(EMD)和粒子群优化(PSO)的长短期记忆神经网络(LSTM)的组合预测模型,对船舶运动姿态进行预测。首先通过EMD算法将由惯性导航系统在实时测量得到的船舶运动姿态数据进行分解,得到有限个本征模函数(IMF)。然后,利用PSO-LSTM模型学习各IMF分量的短期时序规律并进行预测,将各IMF分量的预测值相加得到最终的预测结果。基于实测数据进行仿真的结果表明,该组合预测模型分别比LSTM模型和PSO-LSTM模型在姿态角的预测中平均绝对百分比误差分别降低了约11%和7%,有效提高了船舶运动姿态预测精度。

中国惯性技术学报杂志要求:

{1}文中插图与表格放在相应正文之后。表须为三线表，表的序号及表题置于表格上方，表注放在表格的下方。插图应为黑白色，其序号、图题及注释居中放在图的下方。

{2}来稿必须包括标题、作者、作者单位及地址、摘要、关键词、正文、参考文献、作者简介。

{3}文中一级标题、二级标题、三级标题、四级标题的序号用“一、……”“（一）……”“1．……”“（1）……”标示。

{4}来稿附不超过200字的中英文摘要及关键词3~8个。

{5}基金项目（文章产出的资助背景）：基金项目名称全称及具体项目编号（或项目批准号）。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社