混沌对角递归神经网络的船舶横摇预报方法

李占英^1,2，王科俊¹，徐亮³，姚丽君⁴

1. 哈尔滨工程大学自动化学院2. 大连理工大学城市学院电子与自动化学院3. 大连中远船务工程有限公司4. 天津工业大学电气工程与自动化学院

摘 要：船舶运动在一定条件下会出现混沌特性,因此可以利用混沌神经网络对其进行预报.对传统的混沌对角递归神经网络模型各权值的训练进行优化,给出了基于Lyapunov函数的各层权所通用的学习速率调整算法的收敛定理并加以证明.仿真结果表明,采用优化采样时刻可提高各权值的精确度,使收敛性得到改善,能有效提高预报精度和延长预报时间.与前向神经网络BP预测相对比,优化后的模型具有很好的预测效果.

关键词：对角递归神经网络;混沌;动量梯度学习算法;船舶横摇预测;前向神经网络;