買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉大連理工大學(xué)申請(qǐng)的專利基于PSO-ShipMotionNet和波譜引導(dǎo)優(yōu)化策略的海況預(yù)測(cè)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120430530B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-05發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510934369.8，技術(shù)領(lǐng)域涉及：G06Q10/063；該發(fā)明授權(quán)基于PSO-ShipMotionNet和波譜引導(dǎo)優(yōu)化策略的海況預(yù)測(cè)方法是由孫雷;王雋;李子豪設(shè)計(jì)研發(fā)完成，并于2025-07-08向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于PSO-ShipMotionNet和波譜引導(dǎo)優(yōu)化策略的海況預(yù)測(cè)方法在說(shuō)明書摘要公布了：本發(fā)明涉及海況預(yù)測(cè)技術(shù)領(lǐng)域，具體公開(kāi)了基于PSO?ShipMotionNet和波譜引導(dǎo)優(yōu)化策略的海況預(yù)測(cè)方法，包括先在單個(gè)樣本內(nèi)進(jìn)行歸一化；用Jonswap譜的合田Goda改良式構(gòu)造損失函數(shù)，以MAE作為能量相關(guān)損失；采用分段混合損失優(yōu)化器分別優(yōu)化面積和特定頻段形狀；使用PSO算法優(yōu)化模型訓(xùn)練參數(shù)；引入SRFCA機(jī)制，處理船舶運(yùn)動(dòng)耦合關(guān)系以及復(fù)雜外部環(huán)境的非線性影響；以ResCNN為基準(zhǔn)引入SRFCA結(jié)合PSO算法構(gòu)建PSO?ShipMotionNet網(wǎng)絡(luò)；用邊界元法構(gòu)建數(shù)據(jù)集訓(xùn)練模型；分析SRFCA和分段優(yōu)化策略對(duì)模型性能的影響。本發(fā)明采用上述的基于PSO?ShipMotionNet和波譜引導(dǎo)優(yōu)化策略的海況預(yù)測(cè)方法，一定程度上降低了模型對(duì)訓(xùn)練樣本數(shù)量的依賴，提高了模型的泛化能力和物理可解釋性，為海況參數(shù)預(yù)測(cè)提供了新的方案。

本發(fā)明授權(quán)基于PSO-ShipMotionNet和波譜引導(dǎo)優(yōu)化策略的海況預(yù)測(cè)方法在權(quán)利要求書中公布了：1.基于PSO-ShipMotionNet和波譜引導(dǎo)優(yōu)化策略的海況預(yù)測(cè)方法，其特征在于，包括以下步驟： S1、采用樣本內(nèi)MaxAbs歸一化，在單個(gè)樣本內(nèi)部進(jìn)行歸一化； S2、采用Jonswap譜的合田Goda改良式構(gòu)造損失函數(shù)，計(jì)算特定頻段真實(shí)譜和預(yù)測(cè)譜的面積積分，以平均絕對(duì)誤差MAE作為能量相關(guān)損失； S3、采用分段混合損失優(yōu)化器，分別對(duì)面積和特定頻段形狀進(jìn)行優(yōu)化； S4、使用粒子群算法PSO對(duì)模型訓(xùn)練參數(shù)進(jìn)行優(yōu)化，其中模型Model1專注于面積優(yōu)化，另一個(gè)模型Model2負(fù)責(zé)特定頻段的形狀的優(yōu)化； S5、引入船舶響應(yīng)特征交叉注意力機(jī)制SRFCA，處理船舶的橫搖、縱搖和升沉三自由度運(yùn)動(dòng)的耦合關(guān)系以及復(fù)雜外部環(huán)境的非線性影響； S6、以ResCNN為基準(zhǔn)網(wǎng)絡(luò)，引入SRFCA并結(jié)合PSO算法進(jìn)行超參數(shù)尋優(yōu)，構(gòu)建PSO-ShipMotionNet網(wǎng)絡(luò)； S7、使用邊界元方法，根據(jù)特定波浪譜和光易型方向分布函數(shù)模擬波浪-船舶運(yùn)動(dòng)響應(yīng)，并構(gòu)建數(shù)據(jù)集，隨機(jī)劃分訓(xùn)練集、驗(yàn)證集和測(cè)試集，在不同實(shí)驗(yàn)工況下訓(xùn)練集用于模型訓(xùn)練，測(cè)試集用于海況預(yù)測(cè)； S8、根據(jù)時(shí)域輸入和頻域輸入下的預(yù)測(cè)結(jié)果，分析SRFCA和分段優(yōu)化策略對(duì)模型性能的影響。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人大連理工大學(xué)，其通訊地址為：116086 遼寧省大連市甘井子區(qū)凌工路2號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。