针对现有自回归移动平均模型(ARMA)在时间序列预测不具有普适性问题，提出构建差分自回归移动平均模型(ARIMA)对船舶摇摆角度值进行预测，并对比分析不同差分次数时的预测效果。首先，分析船舶纵摇角度值原始序列值，检验其平稳性，进行差分运算，明确ARIMA模型的适用性；然后，依据AIC准则确定模型的阶数，并求解模型参数。最后，进行角度值序列预测，结合预测精度和误差分析，确定适用于预测船舶纵摇角度值的ARIMA模型。研究结果表明：以误差和均方差为模型评价指标，优化差分次数获得的ARIMA模型具有更好的预测效果。
Aiming at the problem that the existing autoregressive moving average model (ARMA) does not have universal applicability in time series forecasting, it is proposed to construct the autoregressive integrated moving average model (ARIMA) to predict the ship′s pitch angle values, and to compare and analyze the predictions effect on differential times. Firstly, the original ship pitch angle values are analyzed. The values stationarity is checked. The values are performed difference calculations to clarify the applicability of the ARIMA model. Then, the model order is determined according to the AIC criterion and the model parameters are solved. Finally, the ship′s pitch angle values are predicted, and the final ARIMA model combined with prediction accuracy and error analysis is obtained.
2023,45(21): 64-69 收稿日期：2022-6-8
DOI：10.3404/j.issn.1672-7649.2023.21.012
分类号：U661.42
基金项目：国家青年自然科学基金资助项目（51909155）；潍坊市软科学研究计划项目（2021RKX125）
作者简介：张婷（1987-），女，讲师，主要从事航海技术、智能交通等研究
参考文献：
[1] 张春娜. 基于经验模态分解的舰船运动姿态预测模型研究[J]. 舰船科学技术, 2021, 43(2): 22-24
[2] 李远芳, 李俊彪, 张莉. 海洋环境预测数据在船舶航行控制中的应用[J]. 舰船科学技术, 2020, 42(16): 37-39
[3] 彭秀艳, 张彪. 基于EMD-PSO-LSTM组合模型的船舶运动姿态预测[J]. 中国惯性技术学报, 2019, 27(4): 421-426
[4] 唐刚, 姚小强, 胡雄. 基于Newton法优化ARMA模型参数的船舶升沉运动预测研究[J]. 海洋工程, 2020, 38(2): 27-38
[5] 王明瑞. 大型舰船运动交互预测中的多维度AR算法研究与仿真[J]. 舰船科学技术, 2021, 43(4): 10-12
[6] 彭秀艳, 王茂, 刘长德. AR模型参数自适应估计方法研究及应用[J]. 哈尔滨工业大学学报, 2009, 41(9): 12-16
[7] 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(Z1): 44-51
[8] 马洁, 韩蕴韬, 李国斌. 基于自回归模型的船舶姿态运动预报[J]. 舰船科学技术, 2006(3): 28-30
[9] 王培良, 张婷, 肖英杰. 基于改进PSO-ARIMA模型的船舶纵摇角度预测[J]. 上海海事大学学报, 2021, 42(1): 39-43
[10] 王培良, 吴晓芳, 张婷. 在航集装箱船摇摆姿态的概率模型[J]. 上海海事大学学报, 2017, 38(4): 21-25
[11] 曹俊波, 周任军, 邓学华, 等. 考虑优化ARIMA模型差分次数的风功率预测[J]. 电力系统及其自动化学报, 2019, 31(1): 105-111
[12] 郑卓, 曹辉, 高鹤元, 等. 基于加权马尔可夫链修正的ARIMA预测模型的研究[J]. 计算机应用与软件, 2020, 37(12): 63-67
