SMAPNet：一种融合增量分解技术的混合船舶运动姿态预测网络 雷志波（Zhibo Lei） 刘彦林（Yanlin Liu） 李宗汉（Zonghan Li） 甘慧冰（Huibing Gan） 孙福鹏（Fupeng Sun）

《Journal of Marine Science and Engineering》：SMAPNet: A Hybrid Ship Motion Attitude Prediction Network Integrating Incremental Decomposition Zhibo Lei, Yanlin Liu, Zonghan Li, Huibing Gan and Fupeng Sun

　　

摘要

准确预测船舶的短期运动姿态对于航行安全和海上作业至关重要。然而，传统的时间序列预测模型在处理时变动态和适应不同海况方面存在局限性。因此，本文提出了一种基于非对称三立方核趋势滤波器（NTKTF）的船舶运动姿态预测网络（SMAPNet）。SMAPNet利用特征提取模块（FEB）分解时间信号，通过特征细化模块（FRB）融合局部和全局特征，并结合双向长短期记忆网络（Bi-LSTM）和自注意力机制以及特征预测模块（FPB），实现1至5秒内的短期预测。在本实验中，使用了XIN HONG ZHUAN号船舶的现场测量数据来构建在线预测场景，并从三个角度进行了系统评估：局部预测精度、评估指标和误差分布。研究结果表明，SMAPNet在不同海况下具有更好的适应性和预测精度。具体而言，在海况3和4下单步预测船舶横摇和纵摇时，SMAPNet的均方误差（MSE）分别比优秀候选模型降低了10.45%、6.96%和14.60%、2.77%。