龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：青岛哈尔滨工程大学创新发展中心;哈尔滨工程大学
申请日：2024-05-27
公开（公告）日：2024-06-21
公开（公告）号：CN118228009A
主分类号：G06F18/20
分类号：G06F18/20;G06F18/10;G06F18/213;G06F18/214;G06F18/22
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明属于船舶与海洋工程技术领域，公开了一种基于自相关分解的船舶运动极短期预报方法及系统，该方法通过滑动平均方法滤除船舶运动序列的周期性特征，提取序列平稳趋势项，并采用序列作差得到季节项特征；基于编码器‑解码器架构，将自相关机制引入船舶运动序列特征学习，通过计算序列自相关来发现基于周期的依赖关系，并采用时间延迟聚合来聚合相似的子序列，分别对船舶运动序列的季节项和趋势项进行预报，最终得到高精度的船舶运动预报结果。本发明的船舶运动极短期预报方法采用滑动平均算法分解船舶运动时域特征，并结合自相关机制与时延聚合算法代替Transformer架构的自注意力机制进行长期特征学习，提升船舶运动预报精度。
主权项：1.一种基于自相关分解的船舶运动极短期预报方法，其特征在于，该方法包括：S1，采用滑动窗口法对船舶运动时历数据进行分割，得到预报模型输入输出矩阵；S2，采用滑动平均算法提取船舶运动序列的趋势项和季节项，实现船舶运动序列时域特征分解；S3，通过计算船舶运动序列片段与其后的片段的自相关系数，匹配出船舶运动自相似子序列；S4，使用时延模块对自相似子序列进行滚动拼接，并将softmax函数引入自相关机制实现船舶运动序列长期特征学习。
全文数据：
权利要求：
百度查询： 青岛哈尔滨工程大学创新发展中心;哈尔滨工程大学 一种基于自相关分解的船舶运动极短期预报方法及系统
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