本發明提供一種基于強化學習的船舶運動大多步實時預測混合方法及系統,包括由船舶上安裝的姿態傳感器獲取原始船舶運動數據,劃分為訓練數據集和預測數據集,進行實時小波包分解RTWPD,將船舶運動數據的高頻分量和低頻分量分解為固定層數的子序列;對分解得到的每個子序列建立ORELM基礎預測模型,并引入AdaBoost.MRT強化學習方式,不斷迭代訓練,將多個訓練好的ORELM模型組合在一起;最后將子序列的預測結果重構得到模型大多步初始預測結果,對大多步預測誤差建立LSSVM誤差修正模型,進一步提取包含在大多步誤差序列中少部分船舶運動數據的變化規律,修正得到最終的船舶運動大多步預測結果并輸出。本發明提高了船舶運動姿態大多步預測的穩定性與準確性。
聲明:
“基于強化學習的船舶運動大多步實時預測混合方法及系統” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)