科研之友
微信
新浪微博
Facebook
分享链接
摘要
系泊船舶的运动量预测是工程设计的关键因素之一。针对1万吨级油船的系泊进行试验，构建了305组容量的训练集，结合系泊船舶运动变化的理论分析确定其影响因素，基于BP神经网络，利用反向传播算法训练建立5层隐含层人工神经网络模型，对油船系泊运动的运动量进行预测。模型的输入层包括6个参数，即入射波浪波高、周期，船舶吃水，水深，船舶横摇周期，纵摇周期。输出层为系泊油船运动量的六分量，即纵移、横移、升沉、横摇、纵摇、回转。结果表明，BP神经网络模型具有输出多参数的算法优势，能够综合考虑众多系泊船非线性系统中不易量化的影响因素，给出相对精确的预测结果。
-
单位大连理工大学; 海岸和近海工程国家重点实验室
