基于PCA和SAPSO的船舶风压差神经网络预测模型

• 作者: 刘勇 卜仁祥 李铁山 秦可 郑力铭
• 来源期刊: 上海海事大学学报
• 关键词: 船舶 风压差预测 主成分分析(PCA) 自适应 粒子群优化
• 年，卷（期）: 2020,（2）
• 页码范围: 6-10
• 页数: 5页
• 分类号: U675.79
• 语种: 中文
• DOI: 10.13340/j.jsmu.2020.02.002

摘要

为提高船舶风压差的预测精度,使船舶能够更快稳定在计划航线上以保障航行安全,提出一种基于主成分分析(principal component analysis,PCA)法和自适应粒子群优化(self-adaptive particle swarm optimization,SAPSO)算法的船舶风压差神经网络预测模型.该方法采用PCA法对航行数据进行预处理,然后将数据输入由SAPSO算法优化的BP神经网络中,改变以往通过复杂的数学建模计算风压差的方法,提高预测的时效性和准确性.利用实船数据对模型进行船舶风压差的实时预测仿真,结果验证了该预测模型具有较高的可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李铁山	大连海事大学航海学院	53	818	17.0	27.0
2	卜仁祥	大连海事大学航海学院	26	277	10.0	16.0
3	刘勇	大连海事大学航海学院	27	69	5.0	7.0
4	秦可	大连海事大学航海学院	1	0	0.0	0.0
5	郑力铭	大连海事大学航海学院	1	0	0.0	0.0