首页|基于深度学习的耙吸挖泥船装舱产量预测研究

基于深度学习的耙吸挖泥船装舱产量预测研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
耙吸挖泥船的疏浚效率直接取决于挖泥船的装舱产量,因此采用建立产量预测模型的方法对装舱产量进行预测具有重要意义.挖泥船疏浚过程是一个复杂的非线性的过程,故采用了多层门控循环单元神经网络进行产量预测模型的搭建,并采用自注意力机制对其进行优化,从而提高模型的精确度.仿真结果标明,采用自注意力机制优化的门控循环神经网络模型能精确的对挖泥船产量进行预测,为挖泥船产量预测提供一种新的有效方法.
Prediction of Dry Earth Productivity of Trailing Suction Hopper Dredger Based on Deep Learning

朱大鹏、俞孟蕻、苏贞

展开 >

江苏科技大学电子信息学院 镇江 212100

江苏科技大学海洋装备研究院 镇江 212003

耙吸挖泥船 产量预测 门控循环单元 自注意力机制

2022

10.3969/j.issn.1672-9722.2022.09.043

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(9)
  • 6