基于随机森林算法和Adam神经网络波浪补偿预测方法技术

本发明专利技术提出一种基于随机森林算法和Adam神经网络波浪补偿预测方法，包括以下过程：S1：收集船舶历史数据，进行数据归一化处理，得到原始数据集；S2：利用Bootstrap重采样方法抽取样本，构成若干训练集样本；S3：根据随机森林计算特征重要性，进行属性筛选；S4：构建神经网络模型，根据筛选后的属性样本作为输入量，船舶预测值作为输出量，利用Adam算法训练神经网络模型；S5：根据实时监测数据输入Adam神经网络模型，得出预测值。

【技术实现步骤摘要】
基于随机森林算法和Adam神经网络波浪补偿预测方法
本专利技术涉及船舶波浪补偿
，特别是一种随机森林算法和Adam神经网络波浪补偿预测方法。
技术介绍
我国是海洋大国，海洋资源可开发利用的潜力很大。随着加快发展海洋产业，促进海洋经济的发展，海洋平台或船舶越来越频繁地进行着海上的作业。在海洋产业链中，海洋平台和船舶是最主要的生产、载运工具，但海洋平台和船舶不同于陆地，由于风浪引起的横摇、纵摇和升沉会导致船舶的相对位置发生变化。同时，也会产生作业效率低下，人员安全存在隐患等问题。因此，为了提高这些海上作业的安全性，波浪补偿的研究对实际工程和科学研究有着重大的意义。由于海上工作平台的负载和惯量较大，会导致在进行主动波浪补偿时造成补偿运动延时，极大的影响补偿效果。在这种情况下，为了提高补偿精度，需要对波浪运动进行短期预测，提前预测出波浪运动趋势并进行补偿。目前常用的波浪预测模型有自回归模型(AR，AutoRegressive)，自回归滑动平均模型(ARMA，AutoRegressiveandMovingAverageModel)和滑动平均本文档来自技高网...

【技术保护点】
1.基于随机森林算法和Adam神经网络波浪补偿预测方法，其特征在于，包括以下步骤：/n步骤1：收集船舶历史数据，进行数据归一化处理，得到原始数据集；/n步骤2：利用Bootstrap重采样方法抽取样本，构成若干训练集样本；/n步骤3：根据随机森林计算特征重要性，进行属性筛选；/n步骤4：构建神经网络模型，根据筛选后的属性样本作为输入量，船舶预测值作为输出量，利用Adam算法训练神经网络模型；/n步骤5：根据实时监测数据输入Adam神经网络模型，得出预测值。/n

【技术特征摘要】
1.基于随机森林算法和Adam神经网络波浪补偿预测方法，其特征在于，包括以下步骤：
步骤1：收集船舶历史数据，进行数据归一化处理，得到原始数据集；
步骤2：利用Bootstrap重采样方法抽取样本，构成若干训练集样本；
步骤3：根据随机森林计算特征重要性，进行属性筛选；
步骤4：构建神经网络模型，根据筛选后的属性样本作为输入量，船舶预测值作为输出量，利用Adam算法训练神经网络模型；
步骤5：根据实时监测数据输入Adam神经网络模型，得出预测值。


2.根据权利要求1所述的基于随机森林算法和Adam神经网络波浪补偿预测方法，其特征在于，所述步骤1还包括以下步骤：
步骤1.1：收集船舶的升沉位移，加速度与速度等历史样本数据；
步骤1.2：用min-max标准化实现对历史样本数据的归一化,得到原始数据集样本，即



其中:X为未归一化的一个样本数据,X*为归一化后的一个样本数据,Xmin为样本数据的最小值,Xmax为样本数据的最大值。


3.根据权利要求1所述的基于随机森林算法和Adam神经网络波浪补偿预测方法，其特征在于，所述步骤2包括以下步骤：利用Bootstrap重采样(有放回的随机抽样)方法从原始数据集S中随机抽样生成n个训练集S1，S2，S3，…，Sn构成若干训练集样本，原始样本集中约三分之一的样本不会出现在训练集中，该部分数据被称为袋外...

【专利技术属性】
技术研发人员：唐刚，冀香震，胡雄，
申请(专利权)人：上海海事大学，
类型：发明
国别省市：上海;31