回声状态网络(ESNS)是一种新型递归神经网络,可通过对有限的已知样本进行训练,建立非线性模型来预报未知样本。该算法在解决非线性问题时具有一定优势。无需知道海浪的先验信息和船舶航行姿态的状态方程,仅利用实测的船舶横摇、纵摇历史数据,寻求规律即可进行实测摇荡数据的极短期预报。仿真结果表明,该算法在预报15 s以内可达到较高的预报精度,通过预报窗口的平移,可以进行连续在线预报。
Echo state networks (ESNs) is a new kind of recurrent neural networks, which is suitable for the data processing based on finite number of training samples to forecast the unknown data by a nolinear model. It has preponderance for solving the nonlinearity problems. Without prior information of sea waves and the state equations of ship motions, only using the real measured roll and pitch data, the ESNs method is applied to solve the problem of short time series forecasting. Results show that the method satisfies the need of online forecasting within 15 seconds, and continuous forecasting can be realized by sliding the window.
2016,38(6): 67-69 收稿日期：2016-03-04
DOI：10.3404/j.issn.1672-7619.2016.06.013
分类号：TP183;TP301.6
作者简介：石博文(1985-),男,博士研究生,研究方向为交通运输规划与管理。
参考文献：
[1] 刘孙波, 施平安, 陈聚和. 舰船波浪中运动时域预报方法研究[J]. 广州航海学院学报, 2014, 22(2):21-23.
[2] 彭秀艳, 赵希人, 魏纳新, 等. 大型舰船姿态运动极短期预报的一种AR算法[J]. 船舶工程, 2001(5):5-7, 10.
[3] 彭秀艳, 刘长德. 基于格型递归最小二乘算法的船舶运动极短期预报[J]. 船舶力学, 2012, 16(1/2):44-51.
[4] 王琳. 基于CMAC神经网络的舰船运动预报仿真研究[J]. 数学的实践与认识, 2014, 44(23):160-165.
[5] 刘博, 蔡烽, 石爱国. 舰船摇荡预报中的双变量局域线性多步预报法[J]. 中国航海, 2012, 35(2):33-38.
[6] 陈远明, 叶家玮, 张兮龙. 船舶运动的极短期预报试验[J]. 船海工程, 2010, 39(1):13-15, 20.
[7] 侯建军, 常小勇, 石爱国. 舰船摇荡运动数据采集及混沌特性分析[J]. 船舶工程, 2011, 33(6):25-28, 84.
[8] JAEGER H, HAAS H. Harnessing nonlinearity:predicting chaotic systems and saving energy in wireless communication[J]. Science, 2004, 304(5667):78-80.
[9] 郭嘉. 回声状态网络分类方法及其应用研究[D]. 哈尔滨:哈尔滨工业大学, 2011.
