基于注意力机制的船舶破舱浸水时间预测

为解决现有数值模拟方法难以快速模拟浸水时间的问题,本文提出一种使用注意力机制的船舶浸水时间预测算法。对现有复合神经网络方法进行改进,在基于端到端模型的基础上,通过引入Swin Transformer使得模型可以获得更加细致的图像特征。其次将循环神经网络改进为多头注意力机制,使模型更容易关注到水面特征的变化,从而提高准确率。实验验证,最高的舱室准确率可以达到97.5%,平均舱室预测准确率达到了93.2%。对比现有方法,全舱室平均准确率提升了0.8%,单舱室准确率最高提升1.9%。该方法可以准确预测破损舱室浸水时间,从而帮助船长制定科学合理的人员疏散策略。