| 基于多平台训练的海洋平台极短期运动预报研究 |
| |
| 引用本文： | 潘文寅,郭孝先,李欣.基于多平台训练的海洋平台极短期运动预报研究[J].海洋工程,2024(2):68-79. |
| |
| 作者姓名： | 潘文寅 郭孝先 李欣 |
| |
| 作者单位： | 1.上海交通大学 三亚崖州湾深海科技研究院，海南 三亚 572025
2.上海交通大学 船舶海洋与建筑工程学院，上海 200240 |
| |
| 基金项目： | 海南省自然科学基金青年项目（521QN276） |
| |
| 摘 要： | 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。
|
| 关 键 词： | 浮式半潜平台 极短期预报 深度学习 LSTM 数据集 |
| 收稿时间： | 2023/3/27 0:00:00 |
Research on short-term prediction of offshore platforms based on multi-platform training |
| |
| PAN Wenyin,GUO Xiaoxian,LI Xin.Research on short-term prediction of offshore platforms based on multi-platform training[J].Ocean Engineering,2024(2):68-79. |
| |
| Authors: | PAN Wenyin GUO Xiaoxian LI Xin |
| |
| Abstract: | |
| |
| Keywords: | floating semi-submersible platform short-term prediction deep learning LSTM dataset |
|
| 点击此处可从《海洋工程》浏览原始摘要信息 |
| 点击此处可从《海洋工程》下载免费的PDF全文 |
