[发明专利]一种船舶运动姿态分解域智能预报方法

摘要

本发明一种船舶运动姿态分解域智能预报方法，包括以下几个步骤：分解船舶横摇角时间序列；检验分解所得分量和余项的波动程度；对分量和余项进行分类；将分量和余项重构为高频、中频和低频三个分量；对三个分量分别建立不同结构的信息熵加权Elman神经网络时间序列直接多步预报模型；对高频、中频和低频分量的多步预报结果进行自适应叠加，完成智能预报。不仅能保证较高的预报精度，同时又能提高建模效率，具有可靠性强、通用性强等优点，是一种提高预报准确率的有效方法。

主权项

一种船舶运动姿态分解域智能预报方法，其特征在于，包括以下几个步骤：步骤一：将船舶横摇角时间序列的分解，得到相互独立的本征模式分量及余项；步骤二：求得每个分量和余项的游程个数；分量和余项所对应的时间序列为{k(t)},t＝1,2,...n，均值为在时间序列k(t)中比均值小的观察值记为“‑”，比均值大的观察值记为“+”，把时间序列k(t)转化为一个只有“+”和“‑”的符号序列，将每段连续相同的符号序列记为一个游程，步骤三：通过设定高频、中频以及低频的游程数阈值来对不同波动程度的分量和余项进行划分，使得每个分量和余项分别属于高频区域、中频区域或低频区域中的一个区域；步骤四：将高频区域内的全部分量和余项重构为一个高频分量，将中频区域内的全部分量和余项重构为一个中频分量，将低频区域内的全部分量和余项重构为一个低频分量；步骤五：对重构后的高频分量、中频分量、低频分量分别建立信息熵加权Elman神经网络时间序列直接多步预报模型，得到高频分量、中频分量、低频分量的多步预报结果；步骤六：采用广义回归神经网络作为叠加器，对高频分量、中频分量、低频分量的多步预报结果进行自适应叠加，完成预报。