一种基于LSTM神经网络的船舶运动极短期预报方法及系统技术方案

本发明专利技术提出了一种基于LSTM神经网络的船舶运动极短期预报方法及系统，涉及船舶运动极短期预报。该基于LSTM神经网络的船舶运动极短期预报方法通过获取初始数据，初始数据包括船舶运动本身数据、其他船舶运动姿态数据和波高数据，然后将初始数据进行预处理，以生成有效初始数据，然后根据有效初始数据分别采用多种预置的LSTM神经网络模型对船舶运动进行预测，以生成多种预测结果，再将多种预测结果进行对比，以生成对比结果，并根据对比结果得到最终的预报结果信息，从而使得预测结果从多方面进行预测，并且将预测结果进行对比得到，各个预测结果之间的差异越小，说明预测结果更加可靠，从而提高了船舶运动极短期预报的准确性。从而提高了船舶运动极短期预报的准确性。从而提高了船舶运动极短期预报的准确性。

【技术实现步骤摘要】
一种基于LSTM神经网络的船舶运动极短期预报方法及系统


[0001]本专利技术涉及船舶运动极短期预报领域，具体而言，涉及一种基于LSTM神经网络的船舶运动极短期预报方法及系统。

技术介绍

[0002]船舶运动极短期预报是指对船舶未来几秒到十几秒的运动姿态进行预报，其有效实现有助于保障船舶在海上航行及作业安全。近年来，随着人工神经网络算法的蓬勃发展，越来越多的学者运用人工神经网络进行船舶运动极短期预报。
[0003]目前采用人工神经网络进行船舶运动极短期预报存在预报不够准确的问题。

技术实现思路

[0004]本专利技术的目的在于提供一种基于LSTM神经网络的船舶运动极短期预报方法及系统，用以改善现有技术中采用人工神经网络进行船舶运动极短期预报存在预报不够准确的问题。
[0005]第一方面，本申请实施例提供一种基于LSTM神经网络的船舶运动极短期预报方法，其包括以下步骤：
[0006]获取初始数据，上述初始数据包括船舶运动本身数据、其他船舶运动姿态数据和波高数据；
[0007]将初始数据进行预处理，以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于LSTM神经网络的船舶运动极短期预报方法，其特征在于，包括以下步骤：获取初始数据；所述初始数据包括船舶运动本身数据、其他船舶运动姿态数据和波高数据；将初始数据进行预处理，以生成有效初始数据；根据有效初始数据分别采用多种预置的LSTM神经网络模型对船舶运动进行预测，以生成多种预测结果；将多种预测结果进行对比，以生成对比结果，并根据对比结果得到最终的预报结果信息。2.根据权利要求1所述的基于LSTM神经网络的船舶运动极短期预报方法，其特征在于，所述根据有效初始数据分别采用多种预置的LSTM神经网络模型对船舶运动进行预测，以生成多种预测结果的步骤包括以下步骤：提取并将有效初始数据中的船舶运动本身数据输入到预置的第一LSTM神经网络模型中，以生成第一预测结果；提取并将有效初始数据中的船舶运动本身数据和其他船舶运动姿态数据输入到预置的第二LSTM神经网络模型中，以生成第二预测结果；提取并将有效初始数据中的船舶运动本身数据和波高数据输入到预置的第三LSTM神经网络模型中，以生成第三预测结果。3.根据权利要求1所述的基于LSTM神经网络的船舶运动极短期预报方法，其特征在于，所述将初始数据进行预处理，以生成有效初始数据的步骤包括以下步骤：将初始数据输入到预置的平滑滤波器中，以生成预处理数据；将预处理数据带入预置的归一化数学表达式中进行计算，以生成有效初始数据。4.根据权利要求3所述的基于LSTM神经网络的船舶运动极短期预报方法，其特征在于，所述归一化数学表达式为：其中，x
*
为有效初始数据，x为预处理数据，x
min
和x
max
分别为预处理数据中最小值和最大值数据。5.根据权利要求1所述的基于LSTM神经网络的船舶运动极短期预报方法，其特征在于，包括以下步骤：获取样本初始数据；获取模型参数；根据模型参数和样本初始数据构建LSTM神经网络框架并进行迭代训练,以得到LSTM神经网...

【专利技术属性】
技术研发人员：高志亮，易文海，许桑铭，王文杰，薛文，黄志云，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：