10.3404/j.issn.1672-7619.2016.12.014
基于自适应变异 PSO-BP算法的船舶横摇运动预测
为了准确高效预测船舶在海上的航行状态,以保证人员、货物和船舶的安全,提出一种自适应变异的粒子群优化算法(self-adapting particle swarm optimization algorithm,SAPSO),将该算法与误差反传(back propaga-tion,BP)神经网络结合。SAPSO-BP预测模型使用SAPSO算法优化BP网络的网络参数。克服传统BP神经网络对初始权值阈值敏感,容易陷入局部极小值的缺点,同时也克服了传统PSO算法早熟收敛、搜索准确度低及迭代效率低等缺点。运用该模型对科研教学船“育鲲”轮在海上航行的横摇情况进行实时预测实验,验证该方法的可行性与有效性具有较高的预测精度。
船舶横摇运动、前向神经网络、自适应变异、粒子群优化算法、时间序列预测
38
U661.3(船舶工程)
国家自然科学基金资助项目51279106,51009017,51379002;中央高校基本科研业务经费资助项目3132016116,3132016314;交通部应用基础研究项目2014329225010;辽宁省自然科学基金资助项目2014025008
2017-01-11(万方平台首次上网日期,不代表论文的发表时间)
共5页
69-73