混沌对角递归神经网络的船舶横摇预报方法

船舶运动在一定条件下会出现混沌特性, 因此可以利用混沌神经网络对其进行预报. 对传统的混沌对角递 归神经网络模型各权值的训练进行优化, 给出了基于Lyapunov 函数的各层权所通用的学习速率调整算法的收敛定 理并加以证明. 仿真结果表明, 采用优化采样时刻?? 可提高各权值的精确度, 使收敛性得到改善, 能有效提高预报精 度和延长预报时间. 与前向神经网络BP 预测相对比, 优化后的模型具有很好的预测效果.