[发明专利]一种基于AR-OLSSVR模型的船舶运动预报方法

说明书

本发明公开了一种基于AR‑OLSSVR模型的船舶运动预报方法，包括以下步骤：建立并训练AR模型；依据AR模型，建立船舶运动样本数据的回归方程并建立船舶运动预报模型；建立OLSSVR模型；将用船舶运动预报模型获得的船舶运动预报值和用OLSSVR模型获得的AR模型回归误差预报值对应相加，作为最终的船舶运动预报值。本发明采用迭代学习策略对船舶运动预报模型和回归误差预报模型参数进行实时更新，每次参数更新时，只需要利用上一次的结果通过迭代的方式计算得到，不需要重新利用大量样本数据进行训练，提高了预报模型的运算速度，实现了船舶运动的在线预报。本发明采用双模型预报，提高了船舶运动预报的精度。

技术领域

本发明涉及船舶与海洋工程技术领域，具体为一种将迭代学习算法、自回归(Autoregressive，AR)模型和在线最小二乘支持向量回归(Online Least SquaresSupport Vector Regression，OLSSVR)模型相融合的船舶运动预报方法。

背景技术

海上廊桥作为一种海上换乘装备，相当于一个海上通道，方便人员在宿主船与目标船或海上平台之间进行换乘。在进行海上换乘时，船舶受风、浪、流等海洋环境影响会产生横荡、纵荡、升沉、横摇、纵摇和艏摇六个自由度的运动，给海上人员换乘造成安全隐患。船舶的横荡、纵荡和艏摇运动可由动力定位系统进行补偿，而横摇、纵摇和升沉运动则需要通过海上廊桥来进行补偿，以使廊桥始终保持平稳，就像在陆地上一样，为海上人员安全换乘提供保障。为提高海上廊桥的波浪补偿控制精度，实现由波浪等海洋环境引起的船舶横摇、纵摇和升沉运动对海上廊桥的扰动的同步补偿，需要对船舶运动进行实时的极短期预报。

中国发明专利CN103926932A(实审)公开了一种船舶运动姿态分解域智能预报方法，通过将数据预处理方法与神经网络结合，实现船舶运动预报。中国发明专利CN111709140A(实审)公开了一种基于内在可塑性回声状态网络的船舶运动预报方法，应用新型的回声状态网络实现了船舶运动预报。然而，上述专利均不能实现在线预报。中国发明专利CN113156815A(实审)公开了一种数据驱动的海上船舶运动姿态实时预报方法，通过将滑动窗口和神经网络结合，实现了在线预报，但此方法的时间成本大。此外，上述专利均采用单一的预报模型进行训练和预报，对于具有非线性非平稳特性的船舶运动数据难以充分捕捉其特征信息，难以满足高精度预报的实际需求。

发明内容

为解决上述问题，本发明提出一种基于AR-OLSSVR模型的船舶运动预报方法，以实现船舶运动的在线预报，减少模型运算时间，提高预报精度。

为了实现上述目的，本发明的技术方案如下：

一种基于AR-OLSSVR模型的船舶运动预报方法，包括以下步骤：

A、以T为采样周期采集船舶运动数据，得到n个样本数据x_k,k＝1,2,…,n；所述的船舶运动包括横摇运动、纵摇运动和升沉运动；

B、建立并训练AR模型；

B1、建立船舶运动样本数据的AR模型如下：

式中，p为AR模型的待定阶数，a_i为AR模型的待定系数，记a＝[a₁,a₂,…,a_p]^T为AR模型的待定系数向量，e_k为AR模型的误差；

B2、根据Akaike信息量准则确定p的值；

首先，为AR模型定义Akaike信息量准则函数AIC(·)如下：

AIC(p)＝nln(ξ²)+2p (2)