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！

摘要：基于神经网络的船舶运动姿态预测装置，属于航海电子设备技术领域，尤其涉及船舶运动姿态的预测；解决了现有技术所存在的选择并构建一个合适的网络模型的问题，以及在提高了船舶运动姿态预测精度的同时难以保证数据的时效性、神经网络的训练速度并不确定、无法保证预测实时性的问题；所述装置包括以下模块：所述EMD处理模块，用于对输入的船舶运动姿态时间序列数据进行EMD处理，将船舶运动姿态时间序列数据分解为多个IMF分量序列；所述GGNNs模块，用于采用最佳的GGNNs模型根据图结构，获得每个IMF分量序列的预测结果。所述的基于神经网络的船舶运动姿态预测装置，适用于船舶运动姿态的预测。

主权项：1.基于神经网络的船舶运动姿态预测装置，其特征在于，所述装置包括以下模块：数据预处理模块，用于对采集的原始船舶运动姿态信息进行异常值处理和标准化操作，获得船舶运动姿态时间序列数据；结果预测模块，用于将船舶运动姿态时间序列数据输入EMD-GGNNs组合预测模型中，获得最终的预测结果；其中，所述EMD-GGNNs组合预测模型包括EMD处理模块、时间窗口划分模块、图结构构建模块、GGNNs模块以及重构模块；所述EMD处理模块，用于对输入的船舶运动姿态时间序列数据进行EMD处理，将船舶运动姿态时间序列数据分解为多个IMF分量序列；所述IMF分量序列为本征模态函数或余项分量；所述时间窗口划分模块，用于将每个IMF分量序列划分为多个时间窗口，每个时间窗口包含相同数量的连续时间点；所述图结构构建模块，用于根据时间窗口划分后的结果，构建每个IMF分量序列的图结构；所述GGNNs模块，用于采用最佳的GGNNs模型根据图结构，获得每个IMF分量序列的预测结果；所述重构模块，用于将所有IMF分量序列的预测结果进行重构，得到最终的预测结果；所述最佳的GGNNs模型采用以下方法获得：对GGNNs模型的超参数设置初始值；初始超参数包括优化器、学习率、损失函数、批量大小以及迭代次数；采用训练集，根据反向传播算法对设置完成超参数初始值的GGNNs模型进行训练，获得训练完成的GGNNs模型；其中，所述训练集从船舶运动姿态时间序列数据中划分获得；采用验证集，根据模型精度评价指标，从训练完成的GGNNs模型中筛选出最佳的GGNNs模型；其中，所述验证集从船舶运动姿态时间序列数据中划分获得。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 基于神经网络的船舶运动姿态预测装置