基于多變量加權一階局域法多步預報模型的艦船搖蕩預報

蔡烽，劉博，石愛國

基于多變量加權一階局域法多步預報模型的艦船搖蕩預報

蔡烽a，劉博b，石愛國a

（海軍大連艦艇學院a.航海系遼寧大連；b.研究生管理大隊，遼寧大連116018）

針對艦船各個自由度搖蕩之間存在耦合的實際，提出了一種多變量加權一階局域法多步預報模型（MAOLMM）。對Chen’s吸引子仿真數據及某型船真實海浪下航行的搖蕩數據進行了預報分析，結果顯示，多變量加權一階局域法多步預報模型的預報精度高于單變量加權一階局域法多步預報模型，提高了艦船搖蕩預報的有效性。關鍵詞：時間序列；艦船搖蕩；多變量；加權一階局域法多步預報

1 引言

艦船搖蕩預報可以有效提高艦船作戰使用的海情，為艦載機起降及武備使用等提供有效保障[1]。相關研究表明，艦船搖蕩運動具有混沌特性[1-5]，可以用加權一階局域法等模型進行預報[1，4]。而艦船各個自由度的搖蕩運動之間存在耦合，如果只用單變量的數據進行預報，則不能充分反應搖蕩運動的實際動力學特性。為此，本文提出了多變量加權一階局域法多步預報模型，可以同時對艦船多個自由度的搖蕩運動進行預報。

2 多變量時間序列相空間重構參數的確定[6]

2.1 延遲時間的確定

因為延遲時間是與每個變量相關，故可采用單變量延遲時間的確定方式對多變量預報法中每一變量單獨確定延遲時間。

延遲時間選擇的原則為使YM與YM+τ具有某種程度的獨立但又不完全無關，使其能在重構的相空間中作為獨立的坐標處理。比較常用的方法有自相關函數法和平均互信息法。

2.2 嵌入維數的確定

利用虛假最近鄰點確定嵌入維數[7]。設兩變量重構的相點為：

設參考點YM的最近鄰點為Yη（n），當維數從ml增加到ml+1，則此兩點的距離為大很多，可以認為是由于高維吸引子中兩個不相鄰的點在投影到低維軌線上時變成相鄰的兩點造成的，因此這樣的鄰點是虛假的。通過循環迭代計算，可以確定最適合的嵌入維數m1，m2，…，mL。

3 多變量加權一階局域法多步預報模型[1，4，8]

以兩變量為例推導多變量加權一階局域法多步預報模型（Multivariate Add-weighted One-rank Local-region Multi-steps Method,MAOLMM）如下。設兩變量重構的相點為：

設YM的參考向量集｛YMi｝，i=1，2，…，q（ q=m+1，m=m1+m2），其演化K步后的相點集為｛YMi+K｝，則一階局域線性擬合為：

根據加權最小二乘原理，有：

對上式分別對ak，bk求偏導，得：

化簡，

其中：

寫成矩陣形式為：

根據求得的aK、bK，代入K步預測公式Y?M+K=aKe+bKYM，即可得到演化K步后的相點預測值Y?M+K。其中：Y?M+K中的第M個元素分別為兩個變量的K步預測值。

4 算例分析

因為每段數據的震蕩幅度不同，為使預報值與真實值的差值具有比較統一的衡量標準，故采用相對誤差作為比較標準。因為采樣頻率為10 Hz，故對每10個預報點求出預測值與真實值的差值的平均值作為此秒的絕對誤差。將求出的絕對誤差再除以該段數據的搖蕩最大幅值并用百分數表示作為此段數據的相對誤差。

其中：x?i為預測值，xi為真實值，n=1，2，…，15。預報分為20段進行，對每段進行誤差計算，然后對每一步長計算平均值以消除特例預報段的影響。

4.1 Chen’s吸引子

美國休斯頓大學陳關榮教授在研究混沌反控制的過程中發現了一個新的混沌吸引子，它是由如下三維系統產生的[9]：

取初值x（0）=1，y（0）=0，z（0）=0；積分時間步長h=0.001。。用四階Runge-Kutta法積分上述方程組得到50 000個點數據作為測試樣本，取x，y序列進行預報分析。評價預報效果所采用的指標為絕對誤差，即預報值與真實值的數量差。

此段x數據絕對值的最大值為30.397 7，平均值為7.139 6，y數據絕對值的最大值為36.205 6，平均值為7.654 5。

表1 Chen’s吸引子預報誤差Tab.1 Chen’s data prediction error

4.2 Lorenz模型

1963年美國著名氣象學家洛倫茲（E.N.Lorenz）在研究天氣預報問題時，發現確定性方程中出現混沌現象。方程為：

取初值為x=1，y=0，z=0.1；積分時間步長h= 0.002。用四階Runge-Kutta法積分上述方程組得到50 000個點數據作為測試樣本，取x，y序列進行預報分析。評價預報效果所采用的指標為絕對誤差，即預報值與真實值的數量差。

零均值化之后，該段數據的第一維幅值平均值為11.364 5，最大值為46.625 8，第二維幅值平均值為11.052 5，最大值為41.488 4。

圖1 Chen’s吸引子預報誤差對比Fig.1 Comparison of Chen’s data prediction error

表2 Lorenz模型預報誤差Tab.2 Lorenz data prediction error

圖2 Lorenz數據預報誤差對比Fig.2 Comparison of Lorenz data prediction error

圖3 頂浪18 kns某型船搖蕩數據預報誤差對比Fig.3 Comparison of 18 kns(right)top sailing data prediction error

4.3 某型船真實海浪下搖蕩數據預報

采用的是某型船真實海浪情況下頂浪18 kns航行的搖蕩數據，采樣頻率10 Hz。此組數據橫搖幅值最大值為2.495 1，橫搖幅值平均值為0.692 5。縱搖幅值最大值為3.727 0，縱搖幅值平均值為0.918 7。此處以橫搖預報為例。

表3 某型船頂浪18 kns航行搖蕩預報誤差Tab.3 Sway data prediction error of some ship with a speed of 18 kns

5 結論與展望

上述仿真表明，多變量加權一階局域法多步預報模型的預報精度優于單變量加權一階局域法多步預報模型，預報精度可以提升15%～25%，從而提高了艦船搖蕩預報的有效性。從仿真測試中參數的選取情況來看，多變量時間序列的嵌入維數及延遲時間的選取并不是越大越好，還要注意各維數的相對大小關系。

[1]蔡烽.提升艦船作戰使用海情關鍵技術研究[D].大連:海軍大連艦艇學院,2004.

[2]陳予恕,張偉.船舶橫搖運動的全局分岔和混沌動力學[J].現代數學和力學－Ⅵ,1998:455-459.

[3]歐陽茹荃,朱繼懋.船舶橫搖運動的非線性振動與混沌[J].水動力學研究與進展,1999,14(3):334-340.

[4]蔡烽,萬林,石愛國.基于相空間重構技術的艦船搖蕩極短期預報[J].水動力學研究與進展A輯,2005,20(6): 780-784.

[5]Hou Jianjun,Cai Feng,Shi Aiguo,et al.Chaotic dynamics analysis of ship motions[C]//Proceedings of the AsiaLink-EAMARNET International Conference on Ship Design,Production&Operation.Harbin,China,2007:502-506.

[6]王海燕,盧山.非線性時間序列分析及其應用[M].北京:科學出版社,2006.

[7]Cai Minglun,Cai Feng,Shi Aiguo,Zhou Bo,Zhang Yongsheng.Chaotic time series prediction based on local-region multi-steps forecasting model[C]//In:IEEE International Symposium on Neural Networks(ISNN).Dalian,China,2004.

[8]陸君安,呂金虎,陳士華.Chen’s混沌吸引子及其特征量[J].控制理論與應用,2002,19(2):308-310.

[9]薛潔妮,史忠科.基于混沌時間序列分析法的短時交通流預測研究[J].交通運輸系統工程與信息,2008,8(5):68-72.

[10]汪斌,周輝.基于相空間優化近鄰點的跳頻預測方法研究[J].裝備指揮技術學院學報,2007,2(18):85-88.

Ship motions’prediction based on multivariate add-weighted one-rank local-region multi-steps method

CAI Fenga,LIU Bob,SHI Ai-guoa
(a.Dept.of Navigation;b.Company of Postgraduate Management,Dalian Naval Academy,Dalian,116018,China)

A model of Multivariate Add-weighted One-rank Local-region Multi-steps Method(MAOLMM) is proposed aiming at various degrees of freedoms for ships’actual coupling effect.A forecast test is operated with Chen’s simulation data.Simulation results show that the precision of Multivariate Add-weighted One-rank Local-region Multi-steps Method is better than Single Add-weighted One-rank Local-region Multi-steps Method(SAOLMM).And it raised the effectiveness of predicting ship motions.

time series;ship motions;multivariate;AOLMM(add-weighted one-rank local-region multi-steps method)

U661.32

A

10.3969/j.issn.1007-7294.2014.07.008

1007-7294（2014）07-0794-05

2014-03-07

國防預研基金；國家自然科學基金資助（61071006）

蔡烽（1973-），男，博士，海軍大連艦艇學院航海系副教授，E-mail：vipcaif@tom.com；劉博（1986-），男，碩士。