基于ELM-EMD-LSTM组合模型的船舶运动姿态预测

• 作者: 张彪 彭秀艳 高杰
• 来源期刊: 船舶力学
• 学科: 交通运输
• 关键词: 组合模型 极限学习机 经验模态分解 船舶运动姿态预测 长短期记忆神经网络
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 流体力学
• 页码范围: 1413-1421
• 页数: 9页
• 分类号: U666.3
• 语种: 中文
• DOI: 10.3969/j.issn.1007-7294.2020.11.005

摘要

在随机变动的海洋环境中,采用单一预测模型对船舶运动进行预报,预报值有时出现大的随机波动,预测误差超出安全限,对船舶运动控制和决策带来严重后果.本文提出了基于极限学习机(ELM)、经验模态分解(EMD)和长短期记忆(LSTM)神经网络的组合预测模型,对船舶运动姿态进行预测.首先,通过ELM模型预测方法进行船舶运动姿态的初始预测,然后采用EMD算法分解初始预测残差得到有限个本征模函数(IMF),并利用LSTM模型学习各IMF分量的短期时序规律进行预测,将各IMF分量的预测值相加得到残差预测值;最后将初始预测值与残差预测值组合得到最终的预测结果.仿真结果表明:与单一的LSTM模型和ELM-LSTM模型相比,该组合预测模型的平均绝对误差及均方根误差均为最小,预测精度更高,是一种更为有效的船舶运动姿态预测方法.