基于最优变分模态分解与相空间重构的LSTM船舶横摇运动预测

为提高船舶海上作业稳定性,需要精确预测船舶横摇运动,以增强船舶横摇补偿控制效果。建立了一种基于最优变分模态分解与相空间重构的长短时记忆神经网络船舶横摇运动预测模型。该模型利用最优变分模态分解方法,将船舶横摇运动数据分解成多个不同频率尺度且相对平稳的模态分量;基于最大Lyapunov指数对各模态分量进行混沌性判定;对非混沌分量进行单维LSTM预测,对混沌分量利用C-C方法重构相空间后进行多维LSTM预测;将所有分量预测结果线性组合,得到船舶横摇运动预测输出。通过仿真试验与ARIMA、BP、LSTM模型进行对比,结果验证了模型在提高船舶横摇运动预测精度方面的优越性。