基于人工神經(jīng)網(wǎng)絡(luò)的自航浮標(biāo)測波方法可行性

海洋風(fēng)浪是影響船舶航行安全、燃料效率等關(guān)鍵性能指標(biāo)的重要因素.要對波浪引起的載荷和響應(yīng)進(jìn)行預(yù)測和分析，就必須獲取準(zhǔn)確的隨船海浪信息.波浪雷達(dá)、衛(wèi)星測波等現(xiàn)有遙感方法存在精度較低、校準(zhǔn)困難、易受干擾等問題.波浪浮標(biāo)雖然測波精度大幅提升，但常用于定點測量，不適用于船舶航行中的海浪觀測.

元數(shù)據(jù)是地理信息系統(tǒng)數(shù)據(jù)庫建設(shè)的基礎(chǔ)，是一種對城市各類數(shù)據(jù)的描述性數(shù)據(jù)信息，具有數(shù)據(jù)共享的特征。隨著數(shù)字化城市建設(shè)進(jìn)程的加快，導(dǎo)致社會各行各業(yè)對準(zhǔn)確的、詳實的多源數(shù)據(jù)的需求日益增加，加之各類數(shù)據(jù)庫的逐步普及，不同用戶對數(shù)據(jù)需求的差異，促進(jìn)不同結(jié)構(gòu)數(shù)據(jù)之間的轉(zhuǎn)化、更新、檢索，甚至是數(shù)據(jù)集成等都離不開元數(shù)據(jù)。元數(shù)據(jù)有利于空間數(shù)據(jù)的生產(chǎn)和相互轉(zhuǎn)化利用，使得元數(shù)據(jù)成為建設(shè)地理信息系統(tǒng)數(shù)據(jù)庫的重要橋梁。

將船舶類比為波浪浮標(biāo)的思想早在2005年就被提出，國內(nèi)外眾多學(xué)者根據(jù)這一思想建立數(shù)學(xué)模型，采用各類理論方法來研究船舶運動反演波浪的特性，包括在頻域和時域內(nèi)進(jìn)行反演研究.頻域反演方法將運動響應(yīng)譜與傳遞函數(shù)相結(jié)合，通常選取船舶垂蕩、橫搖、縱搖運動響應(yīng)作為輸入，采用貝葉斯模型和參數(shù)模型等譜分析方法進(jìn)行波浪譜估計.但頻域方法基于波浪與運動響應(yīng)之間的線性關(guān)系假設(shè)，導(dǎo)致其反演精度嚴(yán)重依賴可靠的傳遞函數(shù).一方面?zhèn)鬟f函數(shù)在不同船舶裝載下會發(fā)生顯著變化；另一方面在中高海況下，船舶運動響應(yīng)具有較明顯非線性特征，頻域方法并不適用.

“廉”，文中的“廉”有不同的譯法。“為人廉”譯為“a man of great integrity”?！癷ntegrity”意為誠實正直?！皬V廉”譯為“Li Kuang was completely free of avarice”?！癮varice”意為（對錢財?shù)模┴澙?，貪心。二者的?cè)重點不同。前者是說程不識，后接“謹(jǐn)于文法”，重點突出其正直，方正；后者“廣廉”之后接的是“得賞賜輒分其麾下，飲食與士共之”，重點突出李廣的清廉，不茍取，與“貪”相對。由此可見譯者是在理解全句以及全文的意思之上進(jìn)行翻譯的，各有側(cè)重。雖然是同一個“廉”字，但放在整個上下語境中，就會有不同的側(cè)重意。

海浪時域信息對海洋作業(yè)決策而言至關(guān)重要，但是針對海浪信息的時域反演研究相對較少.現(xiàn)有的時域反演研究方法主要包括Kalman濾波方法和逐步估計法.Pascoal采用Kalman濾波算法實現(xiàn)了模擬數(shù)據(jù)在穩(wěn)定條件下的海浪譜快速迭代反演，但該方法仍然需要使用水池和實海試驗數(shù)據(jù)進(jìn)行進(jìn)一步驗證和改進(jìn).逐步估計法從船舶運動響應(yīng)時歷中提取波浪特征周期，采用實測運動響應(yīng)數(shù)據(jù)和傳遞函數(shù)通過遞歸非線性最小二乘優(yōu)化估算波浪幅值和相位信息.但該算法具有一定的適用性，目前只適用于單色波的測量.

綜上所述，傳統(tǒng)波浪反演方法無法實現(xiàn)對非線性非平穩(wěn)海浪的時域反演，人工神經(jīng)網(wǎng)絡(luò)作為近年來興起的一種可以從數(shù)據(jù)中提取特征的深度學(xué)習(xí)方法，可以較好地捕捉海浪的非線性非平穩(wěn)特性，因而被引入到海浪反演領(lǐng)域.Mak等將船體作為波浪浮標(biāo)，利用六自由度運動作為輸入，通過機(jī)器學(xué)習(xí)方法反演波浪方向.通過數(shù)值模擬數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，到海上實測驗證后發(fā)現(xiàn)反演模型的誤差較大.Cheng等針對海態(tài)識別問題，提出了一種深度神經(jīng)網(wǎng)絡(luò)模型，并基于動力定位船數(shù)值模擬數(shù)據(jù)進(jìn)行了海況等級識別驗證.Sidarta等提出了一種利用人工神經(jīng)網(wǎng)絡(luò)(ANN)模型將船舶的運動映射到波浪高度的方法，并估計出了船舶所在位置的有義波高和波峰周期.但上述研究大多關(guān)注海浪浪向、海況等級、有義波高和波峰周期等海浪參數(shù)的反演，針對海浪實時波面的反演還鮮有研究.本文基于人工神經(jīng)網(wǎng)絡(luò)建立了波浪時域反演的預(yù)報模型，較好地解決了波浪反演過程中非線性非平穩(wěn)特征難以捕捉的問題.與此同時，設(shè)計自航浮標(biāo)并開展水池模型試驗，將模型預(yù)報結(jié)果與水池試驗結(jié)果進(jìn)行對比驗證.

1 自航浮標(biāo)基本特征

本文以荷蘭Marin設(shè)計的自航浮標(biāo)C-Drone為母型，設(shè)計自航式波浪浮標(biāo)，用于船舶運動反演時歷方法研究.設(shè)計時需根據(jù)試驗?zāi)康暮托枨?，對浮?biāo)總體形式和布局進(jìn)行合理設(shè)計.自航浮標(biāo)需要達(dá)到的主要目的包括：

(3) 自航浮標(biāo)通過搭載加速度傳感器采集運動信號，并將數(shù)據(jù)實時傳送出來.

教師補(bǔ)充說明當(dāng)時一些科學(xué)家所認(rèn)為的該實驗的不足：由于提純和分離技術(shù)的限制，艾弗里實驗中提取的DNA分子，即使純度最高時還含有質(zhì)量分?jǐn)?shù)為0.02%的蛋白質(zhì)。

中間的主船體約占排水體積的90%，提供主要浮力，內(nèi)可放置各類設(shè)備，壓載塊，且可增加船的穩(wěn)性、降低傾覆風(fēng)險.電池組是自航浮標(biāo)的全部能源，為動力模塊、傳感器和微處理器模塊提供了能源保證.傳感器用來記錄浮標(biāo)在波浪中運動的姿態(tài)參數(shù)，微處理器讀入傳感器的姿態(tài)數(shù)據(jù)并使用訓(xùn)練好的ANN網(wǎng)絡(luò)進(jìn)行實時的波面反演.舵機(jī)和螺旋槳可以保證浮標(biāo)在有人操控下進(jìn)入需要測量的目標(biāo)區(qū)域.

南通紡織企業(yè)除了要做好技術(shù)升級和產(chǎn)品質(zhì)控，市場營銷是其生存發(fā)展的生存命脈。南通鵬越紡織有限公司成立于2004年，是南通紡織企業(yè)的中小型企業(yè)代表。本文以南通鵬越紡織有限公司為研究對象，通過新時期新形勢下該公司產(chǎn)品營銷、價格影響等營銷現(xiàn)狀的客觀研究，深入探究其營銷策略方面存在的問題。并針對這些現(xiàn)實存在的問題，結(jié)合營銷相關(guān)理論基礎(chǔ)，從產(chǎn)品優(yōu)化、定價優(yōu)化、渠道優(yōu)化和促銷優(yōu)化等四個方面，提出一系列建議措施，通過以小見大的方式，力求為新時期南通中小型紡織企業(yè)的營銷和穩(wěn)定健康發(fā)展，盡獻(xiàn)綿薄之力。

(1) 浮標(biāo)在螺旋槳推進(jìn)與舵的操縱下，實現(xiàn)自航功能.

假設(shè)神經(jīng)網(wǎng)絡(luò)除去輸入層的總層數(shù)為(層數(shù)>1), 輸入層到輸出層各層節(jié)點個數(shù)分別為,, …,，由此定義了輸入向量的維度為，輸出向量的維度為, 網(wǎng)絡(luò)的每一層輸出向量分別表述如下.

(2) 自航浮標(biāo)通過無線通信模塊與操作者進(jìn)行通信，接收操作者發(fā)送的控制指令.

1.2.2.1 氣相色譜條件。色譜柱為HP-5MS毛細(xì)管柱(30 m×0.25 mm × 0.25 μm)；程序升溫：從60 ℃開始,以10 ℃/min升到120 ℃,然后再以20 ℃/min升到220 ℃,最后以10 ℃/min升到280 ℃；進(jìn)樣口溫度為270 ℃；載氣為He；柱流量：0.8 mL/min；進(jìn)樣量：0.1 μL,分流比：50∶1。

2 基于ANN的波浪時歷反演模型

人工神經(jīng)網(wǎng)絡(luò)能夠以任何精度逼近任意連續(xù)的非線性函數(shù)，對復(fù)雜不確定問題具有自適應(yīng)、學(xué)習(xí)能力.本文的基本思想是使用浮標(biāo)在波浪中運動所記錄的大量運動數(shù)據(jù)及浪高儀記錄的數(shù)據(jù)集來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，得到浮標(biāo)運動與波面之間的映射關(guān)系.

典型的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示.圖中：，，…，代表每一層神經(jīng)元的輸入；，，…，代表每一個神經(jīng)元的權(quán)重；代表每層神經(jīng)元的偏置；代表激活函數(shù)；代表來自第個神經(jīng)元的輸入；代表輸出.輸入層與輸出層的節(jié)點數(shù)由實際需求設(shè)定，層與層之間通過權(quán)值向量連接，隱藏層神經(jīng)元包括一個加法器和激活函數(shù)，對上一層傳遞過來的信息進(jìn)行加權(quán)求和，通過線性或非線性激活函數(shù)處理，從而得到神經(jīng)元的輸出值.

本文所設(shè)計的自航浮標(biāo)主要參數(shù)如表1所示，采用三體船形式，主要考慮總體布置性好，內(nèi)部空間大，可更好地安裝電子系統(tǒng)、動力系統(tǒng)等設(shè)備，另外較大的空間便于模塊化，有利于后續(xù)改裝.自航浮標(biāo)分為水面浮體平臺和地面控制站兩部分.水面浮臺由浮臺主體、電池組、動力模塊、傳感器及微處理器模塊構(gòu)成，各組件布置與試驗所用模型如圖1和2所示.自航式波浪浮標(biāo)主要靜水力特征包括排水量曲線、浮心縱向坐標(biāo)曲線、浮心垂向坐標(biāo)曲線、水線面面積曲線、橫穩(wěn)心半徑曲線等，主要靜水力特征如圖3所示.圖中：為吃水；為排水量；為浮心縱向坐標(biāo)；為浮心垂向坐標(biāo)；為水線面面積；BM為橫穩(wěn)心半徑.

NCCN及ASCO指南對于住院的惡性腫瘤患者均推薦在無出血和抗凝藥禁忌癥時應(yīng)行低分子肝素預(yù)防性抗凝治療[8]。對腫瘤患者進(jìn)行預(yù)防性抗凝治療可將VTE的發(fā)生率降低5%～15%[9]。目前，皮下注射低分子肝素成為初始治療急性血栓癥的一線方法[10-11]。這一療法避免了靜脈灌注和實驗室監(jiān)測，因此可以提高惡性腫瘤患者的生活質(zhì)量。另外，應(yīng)用低分子肝素可以縮短住院時間，減少治療費用[12]。

輸入層：

(1)

輸出層：

(2)

使用ANN方法反演波面時歷時，首先需要得到準(zhǔn)確的浮標(biāo)運動數(shù)據(jù)，本文設(shè)計的浮標(biāo)使用加速度傳感器獲得運動數(shù)據(jù)，采樣頻率是10 Hz，圖9所示為在波浪頻率=4.135 rad/s時，浮標(biāo)的垂蕩加速度()時歷.本文在處理波浪時，使用的ANN網(wǎng)絡(luò)總共分為4層，前3層使用的是ReLU函數(shù)，第4層使用的是線性函數(shù)，訓(xùn)練模型時，選出數(shù)據(jù)集里的10%作為測試集，另外90%作為訓(xùn)練集，每次訓(xùn)練輸入200個自航浮標(biāo)的運動數(shù)據(jù)，輸出的是200個波面信息.經(jīng)過 8 000 次的學(xué)習(xí)，訓(xùn)練的誤差降至0.29%，模型訓(xùn)練完成后，輸入自航浮標(biāo)的運動數(shù)據(jù)，即可輸出比較準(zhǔn)確的波面數(shù)據(jù).

定義每一層的權(quán)重矩陣與偏置向量：

仔豬紅痢由C型魏氏梭菌的外毒素引起，主要發(fā)生于1周齡以內(nèi)的仔豬，以1～3日齡新生仔豬多見，偶發(fā)生于2～4周齡以下的仔豬。發(fā)病仔豬由于腸黏膜炎癥和壞死以排出紅色稀糞為特征，病程短，死亡率高。

∈×∈×1

(3)

∈×∈×1

(4)

?

()∈×-1()∈×1

(5)

每一層的激活函數(shù)分別為，，…()一般根據(jù)不同的應(yīng)用選擇相應(yīng)的激活函數(shù)，每一層所使用激活函數(shù)類型可以統(tǒng)一也可不統(tǒng)一．對于隱藏層，有：

由此看來，印刷企業(yè)不應(yīng)被現(xiàn)時所謂的低迷而震懾，根據(jù)產(chǎn)品的銷量決定資金的投入，淘汰不適應(yīng)市場需求的產(chǎn)品，有意識地去調(diào)節(jié)品種，開拓新市場，往高質(zhì)量和高水平的方向發(fā)展，或可讓印刷企業(yè)活得更久，活得更好。

(6)

通過正向逐層計算，可得到網(wǎng)絡(luò)中每一層的net()與()及每層的輸入向量與輸出向量，從而得到每個神經(jīng)元的輸入值和輸出值.

(7)

(8)

(9)

net中每個元素表示對輸入層向量以及偏置向量的加權(quán)和，也可稱為第1層(隱藏層1)神經(jīng)元的輸入向量．因此，對于第層(∈{1, 2, …,})：

(1≤≤)

(10)

net()=()(-1)+()

(11)

(12)

()=()(net())=

(13)

net=+

本文設(shè)計的神經(jīng)網(wǎng)絡(luò)共有4層，包括輸入層、輸出層和兩個隱藏層，每層神經(jīng)元的個數(shù)由等比數(shù)列確定.由于傳感器的采樣頻率是10 Hz，波浪對浮標(biāo)運動影響最大的是垂蕩，故只選用垂蕩數(shù)據(jù)作為輸入?yún)⒘?，這決定了輸入層神經(jīng)元個數(shù)為200.輸出參量僅為波面，因此輸出層神經(jīng)元個數(shù)為1.

輸入層節(jié)點數(shù)和輸出層節(jié)點數(shù)確定后，隨之而來的一個重要問題是如何優(yōu)化隱藏層節(jié)點數(shù)和隱層數(shù).實驗表明，如果隱藏層結(jié)點數(shù)過少，網(wǎng)絡(luò)不能具有必要的學(xué)習(xí)能力和信息處理能力.反之，若過多，不僅會大大增加網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性，網(wǎng)絡(luò)在學(xué)習(xí)過程中更易陷入局部極小點，而且會使網(wǎng)絡(luò)的學(xué)習(xí)速度變得很慢.

對于簡單的數(shù)據(jù)集，1～2個隱藏層通常就足夠了，本文使用的神經(jīng)網(wǎng)絡(luò)選用2層隱藏層，每一層神經(jīng)元個數(shù)分別為34和6，前3層使用的是ReLU函數(shù)，第4層使用的是線性函數(shù)，圖5所示為所建立的神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu).

由圓表示的神經(jīng)元排列在輸出層和隱藏層中，簡單起見，我們僅考慮有一個隱藏層的網(wǎng)絡(luò)，當(dāng)然，使用兩層甚至三層的情況也很普遍.在同層的神經(jīng)元之間是沒有連接的，相鄰兩層之間是全連接的.每一個神經(jīng)元與神經(jīng)元之間的連接都與一個權(quán)重相關(guān)聯(lián)，人工神經(jīng)網(wǎng)絡(luò)實際上是一個有大量簡單元件相互連接而成的復(fù)雜網(wǎng)絡(luò)，具有高度的非線性，能夠進(jìn)行復(fù)雜邏輯操作和非線性關(guān)系實現(xiàn).

3 水池試驗和結(jié)果分析

3.1 試驗數(shù)據(jù)描述

本文使用的數(shù)據(jù)全部來自水池試驗.自航浮標(biāo)的相關(guān)試驗在哈爾濱工程大學(xué)船模拖曳水池中進(jìn)行，水池建于1987年，是船舶工程與海洋工程流體力學(xué)教學(xué)和科學(xué)實驗基地，是國際船模實驗水池會議(ITTC)正式會員.水池裝備八推板三維造波機(jī)，可生產(chǎn)規(guī)則波、不規(guī)則波，其主要技術(shù)指標(biāo)如表2所示.

迎浪規(guī)則波試驗時，船首頂浪，水池左端造波板根據(jù)輸入波浪控制參數(shù)，空間范圍內(nèi)生成預(yù)設(shè)的波浪環(huán)境，通過船載的傳感器記錄在波浪激勵下的垂蕩和縱搖運動響應(yīng).使用ANN模型反演理論的實施過程如圖6所示，圖中為波面高程；為時間.

在母語磨蝕研究中，除了對其發(fā)生機(jī)制進(jìn)行研究外，學(xué)者們還探討了影響母語磨蝕的各種因素。其中，已經(jīng)明確的可能影響母語磨蝕的因素包括受蝕年齡、使用母語的頻率和動機(jī)或情感等。

圖7和8分別為拖曳水池與試驗照片.迎浪規(guī)則波工況如表3所示，根據(jù)不同波長船長比，共設(shè)置了12組試驗，編號為1～12.此外，設(shè)置了一組不規(guī)則波工況作為對比，不規(guī)則波取3級海況，有義波高為0.08 m，特征周期為2 s.

3.2 ANN網(wǎng)絡(luò)訓(xùn)練策略

3.3 結(jié)果和討論

第2節(jié)已經(jīng)詳細(xì)介紹了基于人工神經(jīng)網(wǎng)絡(luò)的反演波面方法，圖10所示為不同頻率規(guī)則波下的反演對比結(jié)果.

圖10的結(jié)果中，反演值與實驗值總體上吻合得很好，說明使用ANN方法能夠很好地得出規(guī)則波下船舶運動與波面的映射關(guān)系.證明了ANN模型在規(guī)則波下依靠運動反演波面的正確性.整體看來，在規(guī)則波下，反演值與實驗值的相位基本一致，但在局部的波峰和波谷處，反演值與實驗值有較小偏差，可能的原因是波浪與運動之間的非線性較強(qiáng)，導(dǎo)致使用ANN模型進(jìn)行反演時產(chǎn)生偏差.

圖11所示為不規(guī)則波下波面反演值和實驗值的時歷對比.從反演時歷結(jié)果中可以看出，在不規(guī)則波作用下，由運動反演的波面值與實驗值吻合較好.反演值與實驗值的相位偏差較小，本文提出的基于ANN方法的模型可以較好地由運動響應(yīng)反演出波面信息，驗證了ANN模型在不規(guī)則波浪下反演的可行性與準(zhǔn)確性.但是ANN反演的結(jié)果在局部還是有比較明顯的偏差，在15～17 s和25～27 s時，ANN在波峰與波谷處的反演值與測量值均有偏差，可能的原因是在該區(qū)域波浪的頻率特征復(fù)雜，加之船舶在產(chǎn)生運動時已經(jīng)進(jìn)行了一次“過濾”，雙重復(fù)雜影響導(dǎo)致簡單的ANN模型無法正確建立映射關(guān)系，故對該區(qū)域的波浪進(jìn)行反演存在較大相對的偏差.

The rigid/elastic coupling dynamic state space modeling above is derived from the large nonlinear deformation of elastic aircraft based on common body coordinate frame.It well meets the demand of rigid/elastic coupled stability analysis under large deformation for very fiexible aircraft.

藥品調(diào)劑是醫(yī)院住院藥房的一項中心工作，其工作質(zhì)量的高低直接影響著患者臨床用藥的安全性和及時性。隨著醫(yī)院藥房的發(fā)展與日趨完善，藥房管理也日益標(biāo)準(zhǔn)化，并已逐漸從傳統(tǒng)的經(jīng)驗管理向精細(xì)化管理轉(zhuǎn)變。在這一過程中筆者發(fā)現(xiàn)，住院藥房的藥品調(diào)劑工作仍存在較多問題，如調(diào)劑流程欠合理影響臨床用藥及時性，或取藥頻次過多加大了藥師工作量等。為提高重慶醫(yī)科大學(xué)附屬第一醫(yī)院金山醫(yī)院（簡稱“我院”）藥品調(diào)劑工作的質(zhì)量與效率，筆者采用PDCA循環(huán)法對我院住院藥房藥品調(diào)劑流程進(jìn)行了優(yōu)化實踐。

對比由反演的波浪時歷與浪高儀記錄的數(shù)據(jù)進(jìn)行誤差分析，均方根誤差為

(14)

式中：為反演數(shù)據(jù)；為真實值.根據(jù)式(14)可計算出不同波浪頻率下反演結(jié)果的相對誤差，如表4所示.

使用ANN方法反演不規(guī)則波的波面時歷，有義波高為80 mm時，均方根誤差為8.03 mm，相對誤差為10.04%.但同時從時歷結(jié)果可以看出，無論是規(guī)則波還是不規(guī)則波下，波面反演值與實驗值在局部均存在偏差.這種偏差主要來源于波浪與運動之間的非線性關(guān)系，同時波浪誘導(dǎo)的運動受到浮標(biāo)濾波作用影響，且ANN模型的訓(xùn)練策略未進(jìn)行優(yōu)化.利用ANN方法進(jìn)行波浪反演研究是一個較新的領(lǐng)域，對于提高反演精度以及有航速反演與斜浪反演等問題，后續(xù)還有待進(jìn)一步研究.

4 結(jié)論

實時準(zhǔn)確的海浪信息監(jiān)測對綠色智能船舶及航行安全至關(guān)重要.鑒于當(dāng)前海浪觀測技術(shù)對非線性非平穩(wěn)數(shù)據(jù)處理的局限性，本文提出了一種用于波浪反演的人工神經(jīng)網(wǎng)絡(luò)模型，驗證了預(yù)測精度，討論了輸入輸出策略.利用水池試驗數(shù)據(jù)對基于人工神經(jīng)網(wǎng)絡(luò)的反演結(jié)果與浪高儀實測結(jié)果進(jìn)行對比，獲得以下結(jié)論：

(1) 確定人工神經(jīng)網(wǎng)絡(luò)反演方法的可行性是海浪反演的首要問題.利用多組規(guī)則波和一組不規(guī)則波下船舶運動的試驗數(shù)據(jù)對人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練.并將訓(xùn)練后的模型應(yīng)用到波面反演.通過對比反演結(jié)果與實測結(jié)果，發(fā)現(xiàn)規(guī)則波的測波相對誤差多數(shù)在10%內(nèi)，不規(guī)則波的測波相對誤差在10%左右，可以認(rèn)為使用人工神經(jīng)網(wǎng)絡(luò)方法根據(jù)船舶運動反演實時波面是一種切實可行的方法.

(2) 在時域方面，船舶運動響應(yīng)數(shù)據(jù)非平穩(wěn)非線性的特征可以通過人工智能方法來解決.基于人工神經(jīng)網(wǎng)絡(luò)模型的測波方法完全由數(shù)據(jù)驅(qū)動，適合處理非線性問題，無需引入前提假設(shè)，可以為船舶運動反演波面時歷提供新的解決思路.

需要指出的是，不同頻率的波浪對船舶的影響各異，本文提出的反演方法對不同頻率的波浪反演適用性還需進(jìn)一步探索.此外，不同船舶對波浪的響應(yīng)也不盡相同，本文提出的反演方法對不同主尺度和不同外形特點船舶的反演效果還需進(jìn)一步研究.