[发明专利]一种浮标运动特性的数据驱动建模与预测方法

说明书

本发明提供了一种浮标运动特性的数据驱动建模与预测方法，包括以下步骤：(1)确定预测模型的输入和输出变量，收集建模样本集S＝{X,Y}；(2)建立浮标运动特性的局部LSSVR模型，包括：(2.1)自动将样本集S分成2个样本子集，即正常工况的S1和和极端工况的S2；(2.2)每个样本子集单独进行学习训练，建立浮标运动特性的局部LSSVR预测模型LSSVR1和LSSVR2；(3)自动为每个新的测试样本，选择合适的局部LSSVR预测模型。本发明的有益效果为：本发明提出的数据驱动建模与预测方法，可基于有限建模样本，实现复杂频变海洋环境中浮标运动特性的建模和预测。相比机理模型建模过程的复杂性、仿真建模过程对设计者经验水平的依赖性，该方法提供了一种工程上容易实施的方法。

技术领域

本发明涉及浮标设计阶段重要参数建模和预测方法的技术领域，主要是一种浮标运动特性的数据驱动建模与预测方法。

背景技术

装有各种探测设备的海洋浮标是海洋监测系统的重要组成部分。由于浮标经常工作在复杂恶劣的海洋环境中，浮标的运动特性对保障其完成预定的海洋监测任务十分重要。因此，研究浮标运动特性与复杂频变海洋环境间的相互作用，对指导浮标工程设计，确保其稳定运行具有重要意义。

国内外学者基于机理描述和数值仿真技术，对各种型式的浮标进行了大量研究。但由于浮标实际工作于波浪、海流、海风等共同耦合作用下的复杂环境中，建立一种较精确的机理或仿真模型均十分困难。总的来说，上述针对各种浮标运动特性的研究大都仅考虑了波浪的作用，未涉及波浪、海流、海风等共同作用，不足以描述浮标所处的频变复杂环境特性。同时，描述各种浮标运动特性的机理模型较为复杂，模型中许多参数均难以从实验中获得，依赖设计者的经验，限制了其工程应用。因此，有必要建立一种通用性较强，准确度较高的浮标运动特性模型以适应复杂频变的海洋环境。

近几年，数据驱动经验模型以不需要实质性的了解复杂的内部现象，不需要过多的依赖设计者的经验，已被用于海洋工程。这些优势可同时解决上述机理和仿真建模难题，为浮标运动特性的建模和预测提供一种新方法。鉴于影响浮标运动特性的海洋环境因素较多，两者之间存在复杂的非线性关系，可利用最小二乘支持向量机(LSSVR)建模方法，融合波浪、海流、海风环境因素，较完整的描述浮标运动特性。同时，由于正常和极端海洋环境中，浮标运动呈现不同的特性，为提高LSSVR模型的预测精度，分别建立了适合正常和极端工况的局部LSSVR模型。经文献检索发现，没有将LSSVR模型用于预测浮标运动特性的方法。

发明内容

本发明针对机理和数值仿真建模过程存在的不足和缺陷，而提供一种适合在复杂频变海洋环境下，浮标运动特性的数据驱动建模与预测方法，利用LSSVR模型预测浮标运动特性。

本发明的目的是通过如下技术方案来完成的。一种浮标运动特性的数据驱动建模与预测方法，包括步骤如下：

(1)、确定预测模型的输入和输出变量，收集建模样本集S；其中i＝1,…,N；

(2)、建立浮标运动特性的局部LSSVR预测模型，包括

(2.1)、将样本集S分成2个样本子集，即正常工况的S1和极端工况的S2；

(2.2)、样本子集S1单独进行学习训练，建立浮标运动特性的局部LSSVR预测模型LSSVR1；样本子集S2单独进行学习训练，建立浮标运动特性的局部LSSVR预测模型LSSVR2；

(3)、为每个新的测试样本x_t，t＝1,…,T，选择合适的局部LSSVR预测模型。

本发明的有益效果为：本发明提出的数据驱动建模与预测方法，可基于有限建模样本，实现复杂频变海洋环境中浮标运动特性的建模和预测。相比机理模型建模过程的复杂性、仿真建模过程对设计者经验水平的依赖性，该方法提供了一种工程上容易实施的方法。

附图说明

图1是本发明方法的流程图；