[发明专利]基于粒子群优化算法的小波神经网络模型船舶横摇实时预测方法在审
申请号: | 201610317679.6 | 申请日: | 2016-05-12 |
公开(公告)号: | CN106022471A | 公开(公告)日: | 2016-10-12 |
发明(设计)人: | 尹建川;张泽国;柳成 | 申请(专利权)人: | 大连海事大学 |
主分类号: | G06N3/08 | 分类号: | G06N3/08 |
代理公司: | 大连东方专利代理有限责任公司21212 | 代理人: | 姜玉蓉;李洪福 |
地址: | 116026 辽*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种基于粒子群优化算法的小波神经网络模型船舶横摇实时预测方法,包括以下步骤:S1:载入实测的船舶横摇数据信息,将横摇数据进行归一化处理;S2:构建基于粒子群优化算法的小波神经网络模型;S3:进入迭代过程,计算出最小适应度值即最优适应度值;S4:判断最优个体适应度函数值即误差函数公式计算的误差函数值是否满足误差设置要求,或者判断迭代寻优次数是否达到设置要求,如果满足要求则执行S5,否则返回S3继续进行循环迭代寻优;S5:结束粒子群优化算法的迭代寻优,将寻优得到的最优网络参数赋值给小波神经网络进行仿真实验,将采集到的船舶横摇数据信息输入至小波神经网络进行船舶横摇实时预测。 | ||
搜索关键词: | 基于 粒子 优化 算法 神经网络 模型 船舶 实时 预测 方法 | ||
【主权项】:
一种基于粒子群优化算法的小波神经网络模型船舶横摇实时预测方法,其特征在于:包括以下步骤:S1:载入实测的船舶横摇数据信息,将横摇数据进行归一化处理;S2:构建基于粒子群优化算法的小波神经网络模型:将小波神经网络的网络参数包括权值阈值、小波基函数的平移参数和伸缩参数初始化为粒子群优化算法的粒子种群位置;S3:进入迭代过程,计算出最小适应度值即最优适应度值;S4:判断最优个体适应度函数值即误差函数公式计算的误差函数值是否满足误差设置要求,或者判断迭代寻优次数是否达到设置要求,如果满足要求则执行S5,否则返回S3继续进行循环迭代寻优;S5:结束粒子群优化算法的迭代寻优,将寻优得到的最优网络参数赋值给小波神经网络进行仿真实验,将采集到的船舶横摇数据信息输入至小波神经网络进行船舶横摇实时预测。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于大连海事大学,未经大连海事大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201610317679.6/,转载请声明来源钻瓜专利网。