用于非线性非平稳船舶运动极短期预报的一种复合自回归经验模态分解支持向量机回归模型（英文）

目的:基于支持向量机回归(SVR)模型在非线时间序列的预测能力及经验模态分解(EMD)方法在处理非线性非平稳性的优势,提出一种复合自回归经验模态分解支持向量机回归(AR-EMDSVR)模型,提高非线性非平稳船舶运动极短期预报精度。创新点:1.研究非线性非平稳船舶运动的极短期预报问题,提出一种复合的预报方法;2.基于不同层次的预报模型和模型试验数据,分析非线性非平稳性对极短期预报精度的影响。方法:1.在SVR模型中引入基于自回归(AR)预报端点延拓的EMD方法,形成复合的AR-EMDSVR预报模型;2.基于集装箱船模水池试验运动数据将AR-EMD-SVR模型与AR、SVR和EMD-AR三种模型进行比较,分析非线性非平稳性对极短期预报的影响以及不同模型的预报性能。结论:1.AR-EMD方法能够有效的克服非平稳对极短期预报模型(AR和SVR)在精度上所带来的不良影响;2.基于船模试验数据的预报结果表明:相较于AR、SVR和EMD-AR三种预报模型,基于AR-EMD-SVR模型的非线性非平稳船舶运动极短期预报结果具有更高的精度。

基于小波_SVR模型的浮体极短期运动预报方法

针对随机海浪作用下浮体运动的非线性和非平稳特性,本文提出一种复合的小波-SVR组合方法。该方法首先对数据进行平稳性分析,然后利用小波分析将原始数据分解成有限个细节信号和逼近信号,将细节信号进行整合。采用SVR模型分别对最低频的逼近信号和整合后的细节信号进行预测,最后把2个预测结果进行叠加,得到最终的运动预测。仿真结果表明,复合的小波-SVR组合方法应用于浮体运动极短期预报可行,该方法在理论和工程应用方面具有重要的意义。