简介:目的:基于支持向量机回归(SVR)模型在非线时间序列的预测能力及经验模态分解(EMD)方法在处理非线性非平稳性的优势,提出一种复合自回归经验模态分解支持向量机回归(AR-EMDSVR)模型,提高非线性非平稳船舶运动极短期预报精度。创新点:1.研究非线性非平稳船舶运动的极短期预报问题,提出一种复合的预报方法;2.基于不同层次的预报模型和模型试验数据,分析非线性非平稳性对极短期预报精度的影响。方法:1.在SVR模型中引入基于自回归(AR)预报端点延拓的EMD方法,形成复合的AR-EMDSVR预报模型;2.基于集装箱船模水池试验运动数据将AR-EMD-SVR模型与AR、SVR和EMD-AR三种模型进行比较,分析非线性非平稳性对极短期预报的影响以及不同模型的预报性能。结论:1.AR-EMD方法能够有效的克服非平稳对极短期预报模型(AR和SVR)在精度上所带来的不良影响;2.基于船模试验数据的预报结果表明:相较于AR、SVR和EMD-AR三种预报模型,基于AR-EMD-SVR模型的非线性非平稳船舶运动极短期预报结果具有更高的精度。
简介:在多维流体动力学计算中,流体运动和计算网格的关系可以分为两种情况。一是Lagrangian方法,即网格跟随流体运动;二是Eulerian方法,即流体流过固定;下动的网格。一般计算网格的运动是任意的。这就对应于任意Lagrangian—Eulerian(ALE)方法。ALE方法的核心是通过调整网格运动,使得数值模拟的精度、效率有所提高。它的主要步骤是:显式Lagrangian步;网格重分,即得到新的计算网格;物理量重映,即将Lagrangian步的计算结果变换到新网格上。在这3步中,较少研究网格重分。数值模拟和网格重分的一个基本前提是网格是合理的,或者说网格不能发生翻转,网格应当是凸的。而Lagrangian步数值模拟会造成网格扭曲,因此在网格重分前进行网格解扭是十分必要的。文中描述了通用的网格解扭、重分算法,使得解扭、重分后的网格有较好的几何品质,同时尽可能接近Lagrangian网格。