【技术实现步骤摘要】
本申请涉及风险预测，特别是涉及一种水下机器人作业风险预测方法、系统、设备及介质。
技术介绍
1、在探讨水下机器人风险预测的学术领域中，当前主流方法可归纳为贝叶斯网络、马尔可夫链模型及系统动力学建模与分析三大类别。这些方法虽能在一定程度上为水下机器人风险状态提供离线初步评估，然而，其实现机制的复杂性、计算资源的密集性以及实时性与应用便捷性的缺失，显著制约了其在复杂水下作业环境中对风险预测系统即时性需求的满足能力。
2、鉴于水下作业机器人执行任务的高风险性与潜在损失的不可逆性，构建一个能够实时响应并具备高预测精度的风险预测系统显得尤为迫切。深度神经网络显然具备实时评估的能力，但由于神经网络节点数的增加，需要更多的数据实现更较好的预测效果，然而水下机器人作业风险数据集稀少，因此水下机器人作业风险数据的稀缺性成为制约模型性能提升的关键因素。因此，需要实施有效的减少数据量依赖的风险预测策略缓解数据不足的问题，同时进一步促进风险预测系统在实际应用中的效能与可靠性。
技术实现思路
1、本申请...
【技术保护点】
1.一种水下机器人作业风险预测方法，其特征在于，所述水下机器人作业风险预测方法包括：
2.根据权利要求1所述的水下机器人作业风险预测方法，其特征在于，所述待预测风险值向量包括洋流风险因子值、温度风险因子值、水密度风险因子值、礁石风险因子值、水草风险因子值、游鱼风险因子值、电力系统风险因子值、动力系统风险因子值、作业距离风险因子值和作业深度风险因子值。
3.根据权利要求1所述的水下机器人作业风险预测方法，其特征在于，所述全连接神经网络模型包括依次连接的输入层、隐含层和输出层。
4.根据权利要求3所述的水下机器人作业风险预测方法，其特征...
【技术特征摘要】
1.一种水下机器人作业风险预测方法，其特征在于，所述水下机器人作业风险预测方法包括：
2.根据权利要求1所述的水下机器人作业风险预测方法，其特征在于，所述待预测风险值向量包括洋流风险因子值、温度风险因子值、水密度风险因子值、礁石风险因子值、水草风险因子值、游鱼风险因子值、电力系统风险因子值、动力系统风险因子值、作业距离风险因子值和作业深度风险因子值。
3.根据权利要求1所述的水下机器人作业风险预测方法，其特征在于，所述全连接神经网络模型包括依次连接的输入层、隐含层和输出层。
4.根据权利要求3所述的水下机器人作业风险预测方法，其特征在于，所述基础风险预测模型的训练过程，具体包括：
5.根据权利要求1所述的水下机器人作业风险预测方法，其特征在于，利用层次分析法，对所述待预测风险值向量中的各风险因子值进行专家打分，得到各风险因子值对应的权重，具体包括：
6.根据权利要求5所述的水下机器人作业风险预测方法，其特征在于，基于各风险因...
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。