[发明专利]基于随机森林算法和Adam神经网络波浪补偿预测方法

权利要求书

1.基于随机森林算法和Adam神经网络波浪补偿预测方法，其特征在于，包括以下步骤：

步骤1：收集船舶历史数据，进行数据归一化处理，得到原始数据集；

步骤2：利用Bootstrap重采样方法抽取样本，构成若干训练集样本；

步骤3：根据随机森林计算特征重要性，进行属性筛选；

步骤4：构建神经网络模型，根据筛选后的属性样本作为输入量，船舶预测值作为输出量，利用Adam算法训练神经网络模型；

步骤5：根据实时监测数据输入Adam神经网络模型，得出预测值。

2.根据权利要求1所述的基于随机森林算法和Adam神经网络波浪补偿预测方法，其特征在于，所述步骤1还包括以下步骤：

步骤1.1：收集船舶的升沉位移，加速度与速度等历史样本数据；

步骤1.2：用min-max标准化实现对历史样本数据的归一化,得到原始数据集样本，即

其中:X为未归一化的一个样本数据,X^*为归一化后的一个样本数据,X_min为样本数据的最小值,X_max为样本数据的最大值。

3.根据权利要求1所述的基于随机森林算法和Adam神经网络波浪补偿预测方法，其特征在于，所述步骤2包括以下步骤：利用Bootstrap重采样(有放回的随机抽样)方法从原始数据集S中随机抽样生成n个训练集S₁，S₂，S₃，…，S_n构成若干训练集样本，原始样本集中约三分之一的样本不会出现在训练集中，该部分数据被称为袋外数据，可用来评估模型的泛化误差。

4.根据权利要求1所述的基于随机森林算法和Adam神经网络波浪补偿预测方法，其特征在于，所述步骤3包括以下步骤：

步骤3.1：利用每个随机生成的训练集，组成其对应的决策树C₁，C₂，C₃，…，C_n；在决策树每个节点处的M个特征值中随机选取m(m≤M)个特征作为当前节点的分裂属性集，在每个节点上依据Gini系数选取最优的分裂方式对该节点分裂；若样本空间S包含j个属性，则Gini系数可定义为：

式中:p_j表示样本集S包含属性j的概率；

步骤3.2：选择基尼系数最小的属性作为划分属性；

步骤3.3：对划分的每个样本集构建回归树,并将多棵回归树构件成回归森林；

步骤3.4：构成的随机森林使用训练集进行训练；随机森林通过计算袋外样本的袋外误差来计算特征重要性；

步骤3.5：依据特征重要性对特征进行排序，筛选出重要的特征。

5.根据权利要求1所述的基于随机森林算法和Adam神经网络波浪补偿预测方法，其特征在于，所述步骤4包括以下步骤：

步骤4.1：预先建立一个三层的神经网络模型，分别为输入层，隐藏层，输出层；

步骤4.2：利用Xavier初始化方法初始化神经网络的权值和偏置；

步骤4.3：选取与筛选后的属性形成的样本作为神经网络模型的输入量，船舶预测值作为神经网络模型的输出量，利用Adam算法训练神经网络模型。