龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：哈尔滨工程大学
摘要：本发明是一种基于GRU‑SVR组合模型的船舶横摇预测方法，将原始数据进行数据预处理，划分数据集，处理成符合模型输入的形式。搭建GRU神经网络模型和SVR模型，利用训练集训练模型，并利用粒子群算法计算分配给两个模型预测值的权值并保存。利用保存好的GRU、SVR模型对测试集进行预测，并利用K近邻算法选出合适的权值并求其平均值，得到最终的权值。将GRU、SVR模型对测试集的预测值与最终的权值加权求和，即为最终组合模型的预测值。本发明能够准确地对船舶横摇进行预测，相比单一模型，组合模型可提高精度。
主权项：1.一种GRU-SVR组合模型的船舶横摇预测方法，其特征在于，包括如下步骤：步骤1：读取横摇数据并对其进行数据预处理，划分训练集和测试集；每10个数据为一组，前9个作为输入数据，第10个作为输出预测值的对应的真实数据，每一组数据作为模型的一个训练样本；步骤2：搭建组合模型，分别搭建GRU神经网络模型和SVR模型。神经网络模型由tensorflow.keras.Model.compile方法进行装配，Adam为优化器，mse为损失函数，并设置参数enpoch和batch_size；SVR模型选取rbf函数作为核函数，并设置C值和epsilon值，完成SVR模型的搭建；步骤3：训练模型，神经网络模型使用tensorflow.keras.Model.fit方法进行训练，保存评价指标val_loss最优的模型；再将训练完的SVR模型进行保存；对两个模型的输出值分别赋予一定的权重，其加权和就是组合模型的最终输出值；步骤4：预测阶段，将测试集数据作为组合模型的输入，进行一步预测，得到船舶的横摇角数据的预测值。
全文数据：
权利要求：
百度查询： 哈尔滨工程大学 一种基于GRU-SVR的船舶横摇预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号