文献类型：期刊文章

作　　者：赵勇[1] 苏丹[1] 邹丽[2,3] 王爱民[2]

ZHAO Yong;SU Dan;ZOU Li;WANG Aimin(College of Naval and Ocean Engineering,Dalian University of Technology,Dalian 116024,China;State Key Laboratory of Structural Analysis for Industrial Equipment,Dalian University of Technology,Dalian 116024,China;Collaborative Innovation Center for Advanced Ship and Deep-Sea Exploration,Shanghai 200240,China)

机构地区：[1]大连海事大学船舶与海洋工程学院,辽宁大连116024 [2]大连海事大学工业装备结构分析国家重点实验室,辽宁大连116024 [3]高技术船舶与深海开发装备协同创新中心,上海200240

出　　处：《华中科技大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(51679021,51979032,51939003);中央高校基本科研业务费专项资金资助项目(3132019115);青岛海洋科学与技术国家实验室开放基金资助项目(QNLM2016ORP0402);工业装备结构分析国家重点实验室自主研究课题(S18408);国防基础科研计划资助项目(SXJQR2018WDKT02)。

年　　份：2020

卷　　号：48

期　　号：7

起止页码：47-51

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：采用长短时记忆(LSTM)神经网络预测方法对某岛礁地形模型的四个典型波浪试验数据进行预测分析,并建立了单步和多步预测模型.首先对波高时间序列数据进行归一化处理;然后建立了包括输入层、隐藏层和输出层的LSTM网络模型框架;最后对测试样本进行单步预测,将预测结果与支持向量机(SVM)模型和反向传播(BP)模型进行了对比.结果表明:LSTM神经网络预测精度有明显优势;多步预测中,提高预测时长其预测精度并无明显降低.

关 键 词：畸形波 长短时记忆(LSTM)  支持向量机(SVM)  反向传播(BP)  单步预测  多步预测

分 类 号：U661.1]