两种改进的GM(2,1)模型及其在船舶横摇预报中的应用

• 作者: 刘丽桑 周结华 彭侠夫
• 来源期刊: 厦门大学学报（自然科学版）
• 学科: 交通运输
• 关键词: GM(2,1) 灰色-周期外延 灰色-神经网络 误差补偿
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 研究论文
• 页码范围: 515-519
• 分类号: U661.3
• 字数: 3522字
• 语种: 中文

摘要

实时准确地预报船舶横摇运动是目前船舶运动研究的一个重要课题,对于提高船舶的耐波性和适航性具有重要的意义.灰色GM(2,1)模型有2个指数分量,能反映出序列摆动的运动情况,但预测精度仍然不足.因此在GM(2,1)模型对非线性复杂横摇运动进行建模及预测的基础上,基于误差补偿的思想,用周期外延和神经网络2种方法分别对灰色模型进行改进.仿真结果表明,灰色-周期外延组合预测模型和灰色-BP神经网络组合预测模型均能准确有效地预报船舶横摇运动,进一步提高灰色模型的预测精度,为船舶减摇控制打下了良好基础,具有实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周结华	厦门大学信息科学与技术学院	10	116	8.0	10.0
2	彭侠夫	厦门大学信息科学与技术学院	51	356	12.0	16.0
3	刘丽桑	厦门大学信息科学与技术学院	4	45	3.0	4.0