摘要
本申请公开了一种基于机器学习的两船波浪力快速预报方法,涉及船舶技术领域,该方法获取两船横向补给场景下的航行工况参数以及两船波浪力数据作为样本数据,然后根据两船波浪力数据的数据特点,分离得到两船波浪力数据的符号标签和数值特征量,并针对符号标签和数值特征量的不同预报需求分别基于分类模型和回归模型进行模型训练,利用训练得到的符号标签预报模型和数值预报模型就能基于航行工况参数快速得到两船波浪力预报结果,该方法的预报精度较高且响应速度快,具有较好的预报效率,可以对两船靠近时的波浪力进行快速预报,在船舶海上横向补给研究中具有极大的意义。
技术关键词
预报方法
机器学习分类模型
工况参数
标签
数据
符号
数值
样本
回归决策树
支持向量回归
交叉验证方法
梯度提升树
波浪参数
随机森林
场景
脉冲响应函数
分类正确率
间距
支持向量机
频率响应
系统为您推荐了相关专利信息
指纹特征
去噪模型
微型湿度传感器
指纹识别方法
图像采集单元
阀门控制方法
序列
压力
数据预测技术
阀门控制系统
搬运机械臂
检测机械臂
自动检测系统
涡流探头
拉杆
图像稳定系统
姿态估计
特征点集合
分析飞行器
数学模型