基于小波滤波和LSTM神经网络的船舶运动极短期预报研究

• 作者: 刘长德 顾宇翔 张进丰
• 来源期刊: 船舶力学
• 关键词: 小波滤波 LSTM神经网络 船舶运动极短期预报
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 流体力学|Hydrodynamics
• 页码范围: 299-310
• 页数: 12页
• 分类号: U661.3
• 语种: 中文
• DOI: 10.3969/j.issn.1007-7294.2021.03.005

摘要

为了提高船舶运动极短期预报精度及预报时间长度,本文采用小波多分辨率分析方法,将含有噪声的船舶运动信号进行了多尺度小波变换,通过采用阈值函数法对各尺度下细节信号的小波系数进行处理,对小波分解层数、小波基函数、阈值处理方法进行了深入研究,并通过模型试验数据对滤波效果进行了验证分析,实现了船舶运动信号的小波滤波.进一步针对船舶运动的非线性特性,基于深度神经网络的非线性映射能力,建立了基于LSTM网络的多步直接映射船舶运动极短期预报模型,并采用滤波后的船舶运动数据进行了不同工况下的预报分析.结果表明,不同时间长度的预报与试验结果幅值和相位吻合较好,验证了所建立的极短期预报模型的可行性.