公开(公告)号：CN116424508B

公开(公告)日：2024-01-26

申请号：CN202211737520.1

申请日：2022-12-31

Applicant: 华中科技大学

Inventor： 向先波 ,  蒋柴丞 ,  向巩 ,  杨少龙 ,  张琴

IPC: B63B39/00 ,  G06N3/045 ,  G06N3/09 ,  B63B71/00

Abstract: 本发明公开了基于GD加权融合RBFNN和随机森林的船舶稳性预报方法和系统，属于船舶稳性预报领域。首先，通过先验知识确定预报不同失效模式下失效概率时的输入特征。其次，以k折验证的均方误差作为RF及RBFNN的性能评判标准，搜寻RBFNN及RF的模型容量。然后，采用有监督学习方法对RBFNN的网络参数进行更新。利用自举采样方法生成多个随机样本集，并以此并行训练生成多个回归树，使用基尼指数作为属性划分指标，使用平均法获得随机森林的预测结果。最后，引入权重系数，将RBFNN及RF的预报结果进行加权融合，权重系数通过梯度下降法迭代优化求解

公开(公告)号：CN116424508A

公开(公告)日：2023-07-14

申请号：CN202211737520.1

申请日：2022-12-31

Applicant: 华中科技大学

Inventor： 向先波 ,  蒋柴丞 ,  向巩 ,  杨少龙 ,  张琴

IPC: B63B39/00 ,  G06N3/045 ,  G06N3/09 ,  B63B71/00

Abstract: 本发明公开了基于GD加权融合RBFNN和随机森林的船舶稳性预报方法和系统，属于船舶稳性预报领域。首先，通过先验知识确定预报不同失效模式下失效概率时的输入特征。其次，以k折验证的均方误差作为RF及RBFNN的性能评判标准，搜寻RBFNN及RF的模型容量。然后，采用有监督学习方法对RBFNN的网络参数进行更新。利用自举采样方法生成多个随机样本集，并以此并行训练生成多个回归树，使用基尼指数作为属性划分指标，使用平均法获得随机森林的预测结果。最后，引入权重系数，将RBFNN及RF的预报结果进行加权融合，权重系数通过梯度下降法迭代优化求解获得。本发明通过少量的船舶参数，在避免复杂的计算过程的同时，对船舶稳性的四种失效模式的失效概率进行较为精确的预报。