基于自适应变异 PSO-BP算法的船舶横摇运动预测

摘要：

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。

关键词：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

所属期刊栏目：38

分类号：U661.3(船舶工程)

资助基金：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

在线出版日期：2017-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：69-73