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：青岛哈尔滨工程大学创新发展中心;哈尔滨工程大学

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TFT模型的舰船运动极短期预报方法及系统。该方法基于舰船惯导系统记录的多工况条件下舰船运动数据，通过快速傅里叶变换得到的舰船运动功率谱并提取谱特征参数；将每种工况条件下的舰船航速、浪向角、海浪环境有义波高和特征周期作为时不变特征，将舰船六自由度运动时历、速度、加速度数据和风场信息、谱特征参数作为时变特征；以时不变特征与时变特征序列为输入，以待预报的目标舰船自由度运动时历序列为输出，构建舰船运动时历预报模型；使用舰船运动时历预报模型对未来一段时间的舰船运动时历进行预测。本发明提出可实现针对不同工况开展预报工作时的特征匹配，从而有效模型提升预报性能。

主权项：1.一种基于TFT模型的舰船运动极短期预报方法，其特征在于，该方法包括以下步骤：S1，读取舰船运动时历数据，舰船运动时历数据包括舰船待预测自由度上的历史运动数据以及风浪流环境数据，当前舰船航速数据、浪向角数据、海况数据；S2，根据输入的舰船运动时历数据，依据数据是否随时间变化，舰船运动时历数据是否连续分为时变连续特征、时不变连续特征与时变离散特征，对不同类型的舰船运动时历数据特征进行分类；时变连续特征包括舰船六自由度运动工况，时不变连续特征包括舰船航速、浪向角工况，时变离散特征包括海况工况；S3，将待预测自由度上的历史运动数据进行快速傅里叶变换，获取舰船运动时历所对应的时历功率谱，依据时历功率谱的零阶矩、二阶矩和四阶矩计算有义值、平均周期和谱宽三个特征参数描述舰船运动时历频谱特征；S4，将舰船运动时历频谱特征参数作为一列新的特征参数，与原始运动时历数据进行拼接，构建多模态时间序列特征矩阵；S5，根据每个工况下多模态时间序列特征矩阵的总时长划分为训练集与测试集；S6，将训练集与测试集传入到设定的TFT模型中，并设置相应的初始参数进行TFT模型训练，学习输入输出间映射关系，构建舰船运动时历预报模型；S7，当TFT模型训练完成后，采用训练好的舰船运动时历预报模型对测试集数据进行预报验证，根据预报结果，输出多通道自注意力模块中不同特征输入和不同时间步输入对模型预报结果影响的重要性占比，获知TFT模型各项输入对最终预测结果影响权重的大小。

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TFT模型的舰船运动极短期预报方法及系统