Lingyi, Hou：一种基于信息者的船舶运动姿态长序列时序预测模型
论论资讯 ｜ 2024-04-29 ｜
48热度
Ocean Engineering
Explore content
About the journal
Publish with us
A long sequence time-series forecasting model for ship motion attitude based on informer
Hou L.; Wang X.; Sun H.; Sun Y.; Wei Z.
Published：2024-08-01
DOI：10.1016/j.oceaneng.2024.117861
研究背景
在海洋环境的影响下，船只在海上航行时会经历六个自由度的摆动运动。这些摆动运动给船舶导航和海上作业带来安全风险。特别是在恶劣天气条件下，这些摆动运动对舰载飞机的起降以及舰载导弹的发射都会产生显著影响。因此，研究和预测风浪中船舶运动姿态具有重要意义。
研究内容
这篇论文提出了一种基于完全集成经验模态分解自适应噪声（CEEMDAN）的麻雀搜索算法（SSA）优化的Informer模型，用于预测船舶运动姿态的长序列时间序列。首先，通过CEEMDAN将由惯性导航系统测量的船舶运动姿态时间序列进行分解，得到多个固有模态函数（IMFs）和一个残差。然后，将IMFs和残差输入到SSA-Informer中，其中SSA用于优化Informer的超参数。最后，将IMFs和残差的预测值叠加重构，得到船舶运动姿态的预测结果。在华东海域轻微、中等和恶劣海况下的预测实验表明，与其他流行方法相比，所提出的模型在性能和预测时间上均表现更好。
研究意义
这项研究的创新之处在于提出了一种新的方法来预测船舶运动姿态，为改善船舶导航和海上作业的安全性提供了有力支持。通过优化Informer模型，能够更准确地预测长序列时间序列，有助于提前应对恶劣天气条件下的风陪海浪对船舶运动带来的影响。
希望这篇文章能让中学生对海洋工程领域的研究有更深入的了解。如果有任何问题或想了解更多信息，请随时留言！
学术热榜
查看全部
相关资讯
换一批