【技术实现步骤摘要】
本专利技术涉及一种基于深度学习的船舶运动预测方法及系统，属于船舶运动预测。
技术介绍
1、船舶在航行时受风、浪、流等复杂外力的作用，各自由度上均会产生不规则的摇荡运动。当摇荡幅度过大时，船舶的航行和作业安全将会受到严峻的挑战。提前预报船舶未来的摇荡运动可为操作人员提供更多的决策时间，提高安全性与稳定性。
2、船舶对波浪的摇荡运动响应可通过运动幅值响应算子（rao）求得。rao是海浪参数、船舶参数到船舶运动时间序列的传递函数。不同的摇荡运动具有不同的传递函数公式，但都与波浪参数、船舶参数相关。因而在已知历史的波浪参数、船舶参数的情况下，可以实现船舶在波浪作用下的运动响应预测。进一步地，摇荡运动彼此之间相互影响，可在已知历史摇荡运动量即时间运动序列，实现船舶在波浪作用下的运动响应预测。
3、目前已有一些算法能够利用机器学习、神经网络技术对船舶摇荡运动进行预测。如中国专利cn116307273a提出一种基于xgboost机器学习算法的船舶运动实时预报方法及系统，机器学习算法相比神经网络模型训练时间和预测时间大幅缩短，但...
【技术保护点】
1.一种基于深度学习的船舶运动预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于深度学习的船舶运动预测方法，其特征在于，步骤（1）中，归一化处理使数据映射到区间[-1,1]之间，如下式所示：
3.根据权利要求2所述的基于深度学习的船舶运动预测方法，其特征在于，步骤（2）中的混类数据增强操作基于Mixup，按照设定的权重对历史船舶运动数据中的训练集中随机抽取出的两个样本及其标签进行加权求和，以得到虚拟的数据样本，公式如下：
4.根据权利要求3所述的基于深度学习的船舶运动预测方法，其特征在于，步骤（3）中，采用孤立森林算...
【技术特征摘要】
1.一种基于深度学习的船舶运动预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于深度学习的船舶运动预测方法，其特征在于，步骤（1）中，归一化处理使数据映射到区间[-1,1]之间，如下式所示：
3.根据权利要求2所述的基于深度学习的船舶运动预测方法，其特征在于，步骤（2）中的混类数据增强操作基于mixup，按照设定的权重对历史船舶运动数据中的训练集中随机抽取出的两个样本及其标签进行加权求和，以得到虚拟的数据样本，公式如下：
4.根据权利要求3所述的基于深度学习的船舶运动预测方法，其特征在于，步骤（3）中，采用孤立森林算法筛选出异常的数据值，然后对异常值采用拉格朗日插值法进行修正处理，计算公式如下：
5.根据权利要求4所述的基于深度学习的船舶运动预测方法，其特征在于，步骤（4）中，深度特征和时间特征通...
【专利技术属性】
技术研发人员：时文卓，郭梓萌，李世振，戴子祥，史子麟，胡锦程，徐轲，
申请(专利权)人：山东大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。