CN119270856B 一种船舶大洋航线优化预报方法 （大连海事大学）

司本发明提供了一种船舶大洋航线优化预报计算得到船舶在优化目标下所应采取的优化航括航线和螺旋桨转速在内的船舶航行计划要素2S4、将船舶所经过初始航线所在海域的海洋环境预报结果输入至运动响应数学模型S6、将船舶经过该海域的运动响应和其他约束和耗油约束条件，优化计算得到船舶在优化目标下所应采取的优化航线和优化螺旋桨转S8、在得到最新的海洋水文气象预报后，基于该最新的海洋水S23、根据训练样本的各项输入与输出数据，训练神经网络使得神经网络精确逼近输4.根据权利要求2所述的船舶大洋航线优化预报方法，其特征在S232、利用输入和输出训练样本集U和V构造径3j和σj分别是第j个基函数的中心和其中Ap1和W1分别为kxk维和kxnT维矩阵，R1为nTxl维矩阵，将得到的网络对集合U中G生成的气象场映射以及再分析数据中解码的真实映射被反馈输入到判别器D中，判别器D4外界海洋气象环境场数学预报模型参数基于以下最小化和最大化公式进行训练和更data时空生成对抗网络模型输入多模态气象因子的时间序列相对应的映射权重特征矩阵值；根据生成对抗海洋环境预报模型，实时动态获取船舶所经过海Jt＝min(C1t1+C2t2+C3t3+C453_10天海洋水文气象预报对应的船舶航行时间；Ck为对应于每个航段的比例系数，k＝1,3_10天海洋水文气象预报对应的船舶航行时间；Ck为对应于每个航段的比例系数，k＝1,k的取值为：执行所述权利要求1至7中任一项权利要求所述的船舶大洋9.一种电子装置，包括存储器、处理器及存储在7中任一项权利要求所述的船舶大洋航线优6[0003]目前通用的船舶大洋航线设计方法根据气象预报和经验公式进行船舶运动响应将其作为神经网络的输入以计算船舶经过该海域7j个基函数的中化小于设定的精度变化阈值e1时停止提取8[0039]S237、得到的主成分个数nT和循环步数k即为最终所得径向基函数网络的主成分[0045]外界海洋气象环境场数学预报模型参数基于以下最小化和最大化公式进行训练[0048]时空生成对抗网络模型输入多模态气象因子的时间序列序贯张量的特征数量为个wkeRQ⃞x,wqeRQr,相对应的映射权重特征矩阵值；9[0073]利用离线建立的神经网络拟合模型计算船舶对环境的运动响应以增加船舶运动提取具有低阶非线性信息的张量序列的高维特征图，而解码器模块导出高维度语义信息；员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范使得神经网络精确逼近输入‑输出映射，建立船舶航行的温室气体排放模型的神经网络映[0085]II.利用输入和输出训练样本集Uj个基函数的中心U中的样本进行泛化，设立精度阈值用于确定主成分提取次数nT，在泛化的均方根误差(RMSE)的变化小于设定的精度变化阈值e1时停止提取[0101]得到的主成分个数nT和循环步数k即为最终所得径向基函数网络的主成分提取次[0102](3)根据选定的海洋水文天气预报建立船舶所经海区风场、浪场和流场的数学预[0110]②生成器模型输入多模态气象因子的时间序列序贯张量的特征数量为C。H和W为模型输入张量的高度和宽度。代表模型的输入张量，注意力机制模块采用dot_product进一步计算输入张量的三个矩阵K、Q和V，获取三个相对应的映射权重特征矩阵值。[0111]其中，K和Q特征矩阵的维度应当保持一致。迭代运算中的第i个询问特征值和第j个关键特征值之间的相似度由正则函数计算获取。其[0116]其中STGAN为时空生成对抗神经网络模型，P*,t表示在t时刻船[0119](6)优化选择船舶航线和航速。利用动态规划法、变分法等优化方法或者遗传算