一种基于DeepONet-LSTM融合的长时程船舶极短期运动预报方法

本发明涉及船舶运动状态预测技术领域，是一种基于DeepONet‑LSTM融合的长时程船舶极短期运动预报方法，包括：构建基于DeepONet与LSTM的多数据源增强的船舶运动预报模型；将DeepONet中的子网络Branch net改造为多通道输入形式的Single‑Branch耦合模型；将LSTM嵌入Single‑Branch耦合模型，预报长时程船舶运动；获取船舶运动数据，进行预处理和归一化操作后，整理为数据集，将数据集随机划分为训练集、验证集和测试集；对船舶运动预报模型中的网络参数进行初始化，将训练集输入至船舶运动预报模型计算输出，并计算损失函数；通过反向传播算法，计算损失函数对所述网络参数的梯度，并更新网络参数；船舶运动预报模型训练完成后，输入多维运动数据，得到对应预报维度的船舶未来运动状态，实现船舶运动预报。