基于注意力神经网络从船舶运动响应估计海况参数
机器学习
2023-01-24 v1 系统与控制
系统与控制
摘要
海况参数的现场估计对船舶导航系统的准确性、稳定性和效率至关重要。利用仅有的船舶运动响应进行基于模型的估计方法已被广泛研究。近年来基于机器学习（ML）的无模型方法日益流行，利用深度学习（DL）方法从船舶运动响应时间序列进行估计已给出有前景的结果。据此，在本研究中，我们应用新颖的基于注意力的神经网络（AT-NN）从船舶纵摇、升沉和横摇运动的原始时间序列数据估计海况参数（波高、跨零周期和相对波向）。尽管使用了缩减的输入数据，但已成功证明，基于改进的最先进技术的所提方法（基于卷积神经网络（CNN）的回归、多元长短期记忆 CNN 和滑动拼图神经网络）相比原始方法将估计 MSE 降低 23%、MAE 降低 16%。此外，基于 AT-NN 的所提技术优于所有被测方法（原始与增强），将估计 MSE 最多降低 94%、MAE 最多降低 70%。最后，我们还提出了一种基于 Monte-Carlo dropout 方法的神经网络输出不确定性估计解释新方法，以增强模型的可信度。
引用
@article{arxiv.2301.08949,
title = {Estimation of Sea State Parameters from Ship Motion Responses Using Attention-based Neural Networks},
author = {Denis Selimović and Franko Hržić and Jasna Prpić-Oršić and Jonatan Lerga},
journal= {arXiv preprint arXiv:2301.08949},
year = {2023}
}
备注
14 pages