买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利基于多组合的船舶运动姿态预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115994481B 。

龙图腾网通过国家知识产权局官网在2026-02-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211561922.0，技术领域涉及：G06F30/27；该发明授权基于多组合的船舶运动姿态预测方法是由何先灯;刘幸源;易运晖;朱畅华;权东晓;陈南设计研发完成，并于2022-12-06向国家知识产权局提交的专利申请。

本基于多组合的船舶运动姿态预测方法在说明书摘要公布了：本发明公开的基于多组合的船舶运动姿态预测方法，选择隐藏层节点数、初始学习率、最大训练次数作为需要优化的神经网络的超参数，确定鲸鱼优化算法的初始化参数及适应度函数；利用鲸鱼优化算法对GRU神经网络进行训练，得到优化后的WGRU神经网络模型；利用完全集合经验模态分解对原始船舶姿态数据进行分解，使用分解后的数据对WGRU网络进行训练，得到CWGRU组合预测模型；本发明的CWGRU组合预测模型的预测结果在均方根误差及平均绝对百分比误差上均为最小，相关系数最高；由于使用了CEEMD算法对原始船舶姿态数据进行了分解，使得算法对于具有非平稳、非线性特征的船舶运动姿态具有更好的预测效果。

本发明授权基于多组合的船舶运动姿态预测方法在权利要求书中公布了：1.基于多组合的船舶运动姿态预测方法，其特征在于，具体操作步骤如下： 步骤1，选择隐藏层节点数、初始学习率、最大训练次数作为需要优化的神经网络的超参数，确定鲸鱼优化算法的初始化参数及适应度函数； 步骤2，利用鲸鱼优化算法对GRU神经网络进行训练，得到优化后的WGRU神经网络模型； 具体如下： 步骤2.1：初始化GRU神经网络模型的拓扑结构,初始化鲸鱼算法的种群规模大小、最大迭代次数、待优化参数的上下限以及收敛因子，将初始化后的值作为历史最优值对GRU的参数赋值并训练； 步骤2.2：根据公式1计算个体适应度值，找出种群中最优适应度值的个体位置，将其作为最优个体位置；具体如下： 设在一个D维空间内随机生成一个有个个体的鲸鱼种群，最大迭代次数为，每个个体都代表着问题的解，那么第代的第个个体的位置为： 在第代时整个种群的最优位置为： 在包围猎物阶段：种群中的个体在某个空间搜索到目标时，距离该目标近的个体会从当前位置通过随机的路线逐渐地接近目标，其他的个体会以该个体为接近目标，间接地接近最优目标，具体的数学公式见4和5： 式中：为当前迭代次数，是更新后的位置向量，是当前的最佳位置，是取模运算，是最佳位置与个体当前位置的差距，和是系数向量，他们的表达式为6和7： 在式6和7中，和是取值为的随机向量；为最大的迭代次数；为收敛因子，它随着迭代次数的增加从2到0线性递减； 在收缩包围阶段：种群中的个体以螺旋收缩的方式对目标进行包围攻击，此行为可以建立式9的数学模型： 式中表示第个个体距离目标的距离，由于个体在螺旋更新位置和缩小搜索空间的行为是同时发生的，在位置更新时，此时以概率作为阈值来确定个体当前的行为，根据不同的概率来选择对应的迭代方式，具体表达式如下式11： 11式中是的随机数，是对数螺旋形状的常数，是的随机数； 在猎物搜索阶段：以上两个阶段是在已知目标位置前提下进行的，此时，如果，此时种群尚未找到目标位置，粒子需要通过不同的随机方式搜索猎物，该过程是搜索目标的阶段，其数学表达式如下12和13： 式中，是从当前种群中随机选择的位置向量； 步骤2.3：更新鲸鱼优化算法中系数的向量参数和，随机生成概率，根据参数更新策略，选择鲸鱼包围捕食的方式，更新鲸鱼个体位置； 步骤2.4：判断鲸鱼优化算法是否满足终止条件，即达到最大迭代次数或适应度值趋于平稳，当满足算法终止条件时，输出最优隐藏层节点数、初始学习率、最大训练次数至GRU神经网络，至此得到了优化后的WGRU网络结构；否则跳转至步骤2.2； 步骤3，利用完全集合经验模态分解对原始船舶姿态数据进行分解，使用分解后的数据对WGRU网络进行训练，得到训练后的CWGRU组合预测模型； 步骤4，利用训练好的CWGRU组合预测模型进行船舶运动姿态的预测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。