基于EMD-LSTM神经网络模型的气垫船操纵运动预报研究

作者：吴成东; 詹可; 朱仁传

来源：水动力学研究与进展A辑, 2023, 38(05): 794-801.

DOI：10.16076/j.cnki.cjhd.2023.05.016

• 气垫船
• 极短期预报
• 长短期记忆神经网络
• 经验模态分解

海上作业时，准确高效的操纵运动极短期预报对于气垫船的作业效率与安全具有重要意义，但目前对于气垫船操纵运动预报的研究仍然比较欠缺。长短期记忆(Long Short-Term Memory, LSTM)深度学习网络对于时间序列分析上的预报能力极强，是船舶操纵运动极短期预报的有力手段。基于此，该文采用经验模态分解(EMD)方法对气垫船自航模试验数据进行预处理，建立EMD-LSTM神经网络模型预报气垫船操纵运动。经对比验证可知，EMD-LSTM神经网络模型对于气垫船操纵运动预报效果良好，明显优于LSTM神经网络模型，适用于气垫船操纵运动预报研究。

• 单位
  上海交通大学; 建筑工程学院; 海洋工程国家重点实验室