CNN-MRNN船舶运动预测模型

时空特征融合

你用的预测方法往往只抓时间或空间特征之一，而这个模型把两者都塞进同一个框架，让预测更准。

Zhang, Li · Xiao-Chen, Feng · 王良 · Bangmin, Gong · Ai, Jianliang

Ocean Engineering 2024

技术优势

预测更准

采用CNN提取空间特征、MRNN提取时间特征，并将空间特征作为辅助特征输入MRNN，使得模型能充分利用时空信息，提升预测精度。

优化更高效

引入改进的自适应粒子群优化算法（IADPSO），通过新的种群初始化策略和动态自适应参数调整，增强了全局和局部搜索能力，从而更有效地选择超参数。

实测数据验证

使用实际船舶运动数据（包括纵摇、横摇和垂荡）评估了IADPSO优化性能和CNN-MRNN预测精度，证明其在实际海洋环境中的有效性。

应用场景

• 船舶运动预测：为船舶运动提供极短期精确预测，辅助航行决策。
• 自主航行：高精度运动预测可支持自主航行系统的实时决策与控制。
• 海上作业安全：精确预测船舶运动有助于提前规避危险，保障作业安全。
• 海洋工程：模型可集成到海洋工程系统中，提升海上作业效率与安全性。