May, 2022

利用人工神经网络和船体响应谱数据进行海况估计的响应分量分析

PDF
TL;DR使用神经网络对采用船舶作为波浪浮标类比法的海浪状态进行建模，利用船舶运动响应的谱数据，可以高精度地估计明显波高和平均波周期，具有应用前景的海浪状态评估方法。
ship as a wave buoy analogysea state estimationneural networksvessel motion responsespectral data
发现论文，激发创造
  • 利用 LSTM 神经网络预测极端海况下船舶动态的功能学习

    通过训练神经网络，尤其是采用 LSTM，可以预测船只在极端海况下的运动，且可以在运算量低得多的情况下进行预测。

    Dec, 2019

  • 基于 CEEMDAN-PSO-SVM 的无人水面船动态姿态预测

    基于波的基本原理，本文推导无人船上波浪扰动的干扰模式，通过模拟分析无人船运动姿态来获得运动姿态数据，设计了一种基于 CEEMDAN、PSO 和 SVM 的组合预测模型，通过仿真结果验证其相比传统预测模型具有更高的预测准确性，对于平均绝对误差而言，相比 EMD-PSO-SVM 模型提高了 17%。

    Apr, 2024

  • AI 增强模拟指导操作

    使用长短期记忆（LSTM）神经网络的多保真度自适应方法来估计双峰双向海况下的船舶响应统计数据，并使用低保真度的 SimpleCode 和高保真度的 LAMP 工具生成训练数据，通过对 LAMP 船舶运动响应数据进行训练后，将历史天气输入到 SimpleCode 和 LSTM 网络中，与高保真度结果进行比较。

    Jul, 2023

  • 使用深度神经网络从侧扫声纳进行高分辨率洋底地形重建

    该研究提出了一种新颖的数据驱动方法，通过测距侧扫声呐图像和稀疏深度信息，结合全卷积网络和神经网络，用于高分辨率测绘海底地形图。

    Jun, 2022

  • 利用卷积神经网络从 Sentinel-1 数据进行自动化海洋船舶监测

    通过引入小波变换卷积神经网络方法，利用 Sentinel-1 SAR-C 双极化数据获取了印度西部沿海区域海洋监视和海事监测中的船舶检测，并获得了 95.46% 的检测准确率，进而实现了对海洋船舶的自动监测和外来船只的识别。

    Apr, 2023

  • 利用非线性薛定谔方程和物理信息神经网络进行水波的数据同化和参数识别

    利用物理信息神经网络技术，本研究提出在水下安装少量监测仪器的情况下，通过测量数据重建表面高度的时空范围，以解决常规数值方法无法解决的数据同化问题，并成功应用于确定性波浪预测方法的改进。

    Jan, 2024

  • 利用微地震测量和机器学习方法重建海浪数据

    利用微震测量站和机器学习算法，本研究提出一种新的海浪监测系统，用以重建海浪浮标数据并提高可靠性。实验结果表明该系统能够克服浮标可靠性问题并保持同样的准确性。

    Jan, 2024

  • 利用机器学习对稀疏遥感数据进行相位分辨的非线性海洋波面高度重建

    通过利用神经网络中的 U-Net 和 Fourier 神经运算器架构，使用一种基于均匀一维网格的高阶谱方法进行波浪模拟和几何雷达建模方法产生高度逼真的合成训练数据，从而解决了利用计算密集的优化过程或牺牲全过程实时能力和准确性的简单建模假设的现有方法进行相位分辨波浪条件重建的问题。该方法在利用包含每个输入中多个历史雷达快照的时空雷达数据进行训练时，提供了准确的重建结果，并显示出对不同海况的良好泛化表现，其中 FNO 网络在傅里叶空间中全局学习输入和所需输出之间的映射时表现更佳。

    May, 2023

  • 物理信息神经网络用于卫星状态估计

    使用物理 - 信息神经网络估计卫星的轨道状态和连续的、低幅度异常加速度，并且在观测残差和传播精度方面，在模拟中表现出优于纯物理模型的性能。

    Mar, 2024

  • DisBeaNet：深度神经网络提升无人水面器械的海上态势感知

    本文介绍了一种智能视觉感知系统，基于机载摄像头的无人船舶中的智能检测和跟踪，用于在海上环境中检测和追踪船只。

    May, 2024