本发明提供一种基于强化学习的船舶运动大多步实时预测混合方法及系统,包括由船舶上安装的姿态传感器获取原始船舶运动数据,划分为训练数据集和预测数据集,进行实时小波包分解RTWPD,将船舶运动数据的高频分量和低频分量分解为固定层数的子序列;对分解得到的每个子序列建立ORELM基础预测模型,并引入AdaBoost.MRT强化学习方式,不断迭代训练,将多个训练好的ORELM模型组合在一起;最后将子序列的预测结果重构得到模型大多步初始预测结果,对大多步预测误差建立LSSVM误差修正模型,进一步提取包含在大多步误差序列中少部分船舶运动数据的变化规律,修正得到最终的船舶运动大多步预测结果并输出。本发明提高了船舶运动姿态大多步预测的稳定性与准确性。
声明:
“基于强化学习的船舶运动大多步实时预测混合方法及系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)