控制与决策

作者：谢莒芃,张华军,黄双,曹旭

单位：武汉理工大学 自动化学院,武汉 430070,,武汉理工大学 自动化学院,武汉 430070,,武汉第二船舶设计研究所 第五研究室,武汉 430205,,武汉第二船舶设计研究所 第五研究室,武汉 430205,

关键词：深度学习;时空预测;多步预测;风速;卷积神经网络;外生变量

基金：工信部高技术船舶专项课题项目(工信部装函(2019)331号).

准确的海面风速预测是保证远洋船舶航行安全和节能减排的重要条件.针对远洋航行领域的海面风速预测存在空间特征难以解析和多步预测精度偏低两个问题,设计一种改进的多步时空预测方法.在多步预测方面,使用超前时刻策略使单个模型学习并区分不同的预测时刻,并将海面风向作为外生变量,将月份、日期和时刻作为协变量,与历史风速数据结合以扩展样本空间.在空间特征方面,利用编码器-解码器结构的残差U型卷积神经网络,对多层级空间信息进行提取和解析,并将超前时刻特征同时输入编码器和解码器,强化深层特征解析为对应预测时刻的效果.在全球原油运输路线上进行的12小时预测实验表明,所提出方法较其他6种预测方法具有更低的预测误差.

来源：2023年第7期

《控制与决策》期刊编辑部

查看控制与决策杂志2023年第7期