摘要
本发明涉及船舶建造技术与人工智能技术领域,尤其涉及一种基于CGPINNS的船舶建造成本高效预测方法,包括:步骤1:数据采集,收集船舶设计参数、建造材料、工艺、人工成本等多方面数据;步骤2:数据预处理,清洗、去噪并归一化数据,提升数据质量;步骤3:CGPINNS模型构建模块,利用中心差分替换梯度计算中的导数项,融入船舶建造物理方程;步骤4:模型训练模块,经Adam算法训练后,成本预测模块输出预测结果及置信区间;步骤5:结果评估与反馈模块,对比预测与实际成本,若误差超出阈值,系统优化模型。本发明在L2相对误差等指标上表现更优,有效融合物理信息,泛化能力强,能为船舶建造企业提供精准成本预测,辅助科学决策,提升经济效益。
技术关键词
高效预测方法
模型训练模块
预测误差
物理
船体结构
数据采集模块
方程
船舶建造技术
Adam算法
神经网络参数
神经网络结构
归一化方法
人工智能技术
神经网络模型
涂装工艺
应力
系统为您推荐了相关专利信息
异常事件
判别系统
图像压缩重构
不良天气条件
图像增强单元
三维室内定位方法
注意力神经网络
节点特征
异构
接入点标识符
智能教学系统
虚拟现实仿真
中医药
数据分析模块
路径优化算法
电缆芯
PID算法
温度控制系统
温度控制模块
数据采集模块
自动控制系统
空气源热泵
负荷预测模型
蓄热介质
历史运行数据