来源：期刊VIP网 时间：
作者：洪智超;丁羿杰;刘蕾;王浩;张卫伟;徐立新;
单位：江苏科技大学;江苏省船舶与海洋工程装备技术创新中心;中国造船工程学会;南通鹏瑞海工科技有限公司;南通集海海洋装备有限公司;
摘要：船舶与海洋结构物的运动是具有时间序列特性的非线性运动，而长短期记忆人工神经网络（Long Short–Term Memory,LSTM）具有记忆时间间隔信息以及处理非线性数据的特性，非常适合处理此类具有时间序列特性的非线性运动，所以LSTM对船舶极短期运动响应预报具有显著优势。本文提出一种改进的LSTM船舶极短期运动响应预报方法，该方法通过提取包络线等手段将对船舶运动的预报转化为峰谷值的预报，可以降低传统LSTM模型的数据需求量，简化预报曲线复杂度，从而显著提高预报时长。本文通过用改进LSTM模型对规则波曲线、不规则波曲线、实体船运动曲线等进行预报，结果表明，改进的LSTM预报方法能将传统LSTM模型对不规则波的最大预报时长从6～8 s提升到20 s左右，且对突变信号等特殊信号有理想的预报结果，具有很高的实用价值。
关键词：LSTM;;船舶运动;;极短期预报;;包络线分析
基金资助：国家重点研发计划资助项目(2022YFC2806600;2022YFC2806604)
