[发明专利]用于浮动生产平台、船舶和其他浮动系统的经过模拟训练的深度神经网络模型的持续学习

权利要求书

1.一种操作神经网络模型的方法，包括：

向所述神经网络模型提供模拟数据，所述模拟数据包括变量的至少一个模拟值以及与所述变量的至少一个模拟值对应的至少一个模拟结果；

为所述神经网络模型提供决策逻辑，以处理所述模拟数据用于神经网络模型输出；

获得现实数据，所述现实数据包括所述变量的至少一个现实值以及与所述变量的至少一个现实值相对应的至少一个现实结果；

比较所述现实数据与所述模拟数据以确定所述现实数据与所述模拟数据之间的相似性度量；

如果所述相似性度量是大于阈值度量的模拟数据，则将所述现实数据提供作为所述神经网络模型的操作数据，以产生与来自所述神经网络模型的利用所述模拟数据的输出相对应的输出；

如果度量不大于所述阈值度量，则将所述现实数据调整成与所述模拟数据相一致，并将调整数据提供作为所述神经网络模型的操作数据；和

利用至少在所述模拟数据范围内对应的所述调整数据来操作所述神经网络模型，以利用所述调整数据产生与来自所述神经网络模型的利用所述模拟数据的输出相对应的输出。

2.根据权利要求1所述的方法，其中，操作所述神经网络模型包括：操作所述神经网络以监控浮动系统。

3.根据权利要求1所述的方法，其中，所述模拟数据和所述现实数据可以应用于浮动系统上的系泊缆。

4.根据权利要求1所述的方法，其中，所述模拟数据包括用于所述模拟结果的多个变量。

5.根据权利要求1所述的方法，其中，向所述神经网络模型提供模拟数据包括：提供用于浮动系统的数据，所述数据包括作为变量的在浪涌方向上的平均浮动系统偏移、在摇摆方向上的平均浮动系统偏移以及所述浮动系统的总质量，以及作为结果的在浪涌方向上的浮动系统长漂移周期和在摇摆方向上的浮动系统长漂移周期。

6.根据权利要求5所述的方法，其中，获得现实数据包括：获得现实中在浪涌方向上的浮动系统长漂移周期和现实中在摇摆方向上的浮动系统长漂移周期。

7.一种系统，包括：

中央处理单元；

非暂时性计算机可读存储器，包括处理器可执行程序指令，该处理器可执行程序指令在被执行时使所述中央处理单元执行以下操作：

将模拟数据存储在用于神经网络模型的存储器中，所述模拟数据包括变量的至少一个模拟值以及与所述变量的至少一个模拟值相对应的至少一个模拟结果；

将决策逻辑模拟数据存储在用于所述神经网络模型的所述存储器中，以处理所述模拟数据；

在所述存储器中存储现实数据，所述现实数据包括所述变量的至少一个现实值以及与所述变量的至少一个现实值相对应的至少一个现实结果；

比较所述现实数据与所述模拟数据以确定所述现实数据与所述模拟数据之间的相似性度量；

如果所述相似性度量大于阈值度量模拟数据，则将所述现实数据提供作为所述神经网络模型的操作数据，以产生与来自所述神经网络模型的利用所述模拟数据的输出相对应的输出；

如果度量不大于所述阈值度量，则将所述现实数据调整成与所述模拟数据相一致，并将调整数据提供作为所述神经网络模型的操作数据；和

利用至少在所述模拟数据范围内对应的所述调整数据来操作所述神经网络模型，以利用所述调整数据产生与来自所述神经网络模型的利用所述模拟数据的输出相对应的输出。