排序方式： 共有1条查询结果，搜索用时 0 毫秒
1
1.
在风浪流等环境条件的共同作用下,浮式海洋平台会在六自由度方向上进行摇荡运动,进而对海上作业安全构成了严峻的威胁。准确的运动极短期预报,可以作为输入条件,提高运动补偿装置的性能;另一方面也可以提供及时的实时预警信息,指导安全作业。深度学习算法是指模型通过对现有的数据进行学习,在大量的训练后使得其能够提取到数据的特征,进而能够根据输入数据对未来进行预测。通过对若干海洋平台的模型试验数据进行学习,建立了基于长短期记忆神经网络（LSTM）的深度学习模型。模型实现了对未来20~40 s内的垂荡和纵荡运动的精确预报,预报精度总体可达到80%~90%以上,并以此对模型的输入、输出窗口长度以及波浪相位差开展了敏感性研究。通过多平台混合训练得到了输入、输出窗口长度以及波浪相位差三者间的合适比例关系,并以此为基础拓展了预报时间长度,为深度神经网络模型给出了推荐的构型参考。 相似文献
1