改进LSTM神经网络在极短期波浪时序预报中的应用

作者：尚凡成; 李传庆; 詹可; 朱仁传^*

来源：上海交通大学学报, 2023, 57(06): 659-665.

DOI：10.16183/j.cnki.jsjtu.2021.438

• 极短期预报
• 时序分析
• 长短期记忆神经网络
• 生成式对抗

高效准确的极短期预报对实海况下船海结构物的施工作业安全意义重大.由于海浪的随机性，短期预报往往使用时间序列分析进行，近年来神经网络特别是长短期记忆(LSTM)神经网络在时间序列分析上预报能力强.基于此，提出一种结合生成式对抗思想的LSTM改进形式，在神经网络中嵌入频域特性等的先验知识，实现时频域信息耦合预报.经实验测试可知，该方法预报精度优于传统时序分析方法和LSTM神经网络结果，适用于极短期时序预报，有助于实现更好的船舶操纵控制.

• 出版日期2023
• 单位建筑工程学院; 海洋工程国家重点实验室; 上海船舶运输科学研究所; 上海交通大学