科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明是一种耙吸式挖泥船出泥率预测的学习方法。其技术方案是：将m个有效数据组随机分为训练集、交叉验证集和测试集,建立4～8个卷积神经网络模型,通过调整8种超参数得到训练集的所有卷积神经网络模型的代价函数,在交叉验证集的所有卷积神经网络模型的损失函数中选择损失函数最小的模型为最优模型,向最优模型输入测试集的特征有效数据集X-(test),得到基于最优模型的测试集中的量测有效数据集Y-(test)的预测值,即得基于最优模型的测试集中的量测有效数据集Y-(test)的出泥率预测值。本发明具有最优模型结构简单、最优模型稳定性好和耙吸式挖泥船出泥率预测的学习方法准确性高的特点,得到的出泥率预测值能为操作人员提供有益指导。
- 单位
