基于改进GWO-LSTM的船舶主机性能预测模型

作者：石彪; 王海燕; 焦品博

来源：上海海事大学学报, 2022, 43(02): 96-102.

DOI：10.13340/j.jsmu.2022.02.015

• Metropolis接受准则
• 长短期记忆网络(LSTM)
• 灰狼优化算法(GWO)
• 性能预测

为提高船舶主机性能预测的精度，更好地帮助轮机员制定主机的维修保养计划，提出一种利用改进灰狼优化算法(grey wolf optimizer, GWO)对长短期记忆网络(long short-term memory network, LSTM)进行优化的船舶主机性能预测模型，简称为改进的GWO-LSTM模型。基于Metropolis接受准则的思想，在传统GWO中引入一种随机搜索机制来解决传统GWO前期收敛速度慢和后期易陷入局部最优的问题。分别建立单步预测模型和多步预测模型。与GWO-LSTM和传统LSTM的预测结果进行对比，结果表明，改进GWO-LSTM单步预测的均方根误差分别降低了32.36%和50.38%,多步预测的均方根误差分别降低了26.16%和35.57%。

• 单位
  上海船舶运输科学研究所; 上海海事大学