摘要
本申请涉及船舶推进负荷预测技术领域,具体涉及一种高波动工况的船舶推进负荷预测方法、系统、设备及介质,包括:获取高波动工况下的船舶运行参数序列;将船舶运行参数序列输入预训练的推进负荷预测模型,输出指定时间尺度的船舶推进负荷预测序列;推进负荷预测模型包括改进时序卷积网络、双向长短期记忆网络、注意力机制单元和全连接层。本申请通过改进时序卷积网络提取双向多尺度特征,双向长短期记忆网络分离前向与后向时序处理路径解析双向依赖关系,注意力机制单元采用三阶段权重分配增强关键特征聚焦,全连接层实施非线性映射,实现高波动工况下推进负荷预测精度与实时响应能力的协同优化。
技术关键词
负荷预测方法
负荷预测模型
波动工况
注意力机制
序列
依赖特征
子模块
时序特征
环境监测数据
参数
燃料电池
网络
滑动窗口采样
船舶吃水深度
负荷预测精度
系统为您推荐了相关专利信息
预测模型构建方法
光伏发电量
注意力模型
头部模型
融合特征
人脸属性识别方法
属性识别模型
融合人脸
人脸图像信息
人脸纹理
复杂度
答案生成方法
核心
知识问答系统
双向注意力机制
数据分析方法
深度学习模型
时间段
财务数据分析系统
指标