论文部分内容阅读
随着国家对航海战略的不断推进,舰船监测系统得以迅猛发展,对监测系统中获取的运动姿态数据流进行有效的预报挖掘就显得尤为重要。舰船在行进途中,受风、浪等外界干扰会不受控制地摇荡,特别是在较恶劣海况中航行时,幅度过大的摇摆运动对舰载机的升降、舰船及时减摇及航载导弹准确射出等造成严重威胁。若能对舰船几秒或十几秒的运动趋势提前预知,可以及时应对由摇荡产生的负面影响,对舰船安全作业具有巨大意义。舰船的运动姿态数据流在线预报一般指对数据流进行未来趋势实时预报,即运用一定的科学手段对舰船未来一段时间内(3-15s)姿态进行实时预报。利用历史数据对未来进行预报工作,隶属于数据挖掘的研究范畴,故本文的研究重点是对监测系统中获取的运动姿态数据流进行在线挖掘。考虑到舰船运动姿态数据流同时具有运动姿态和数据流的共同特点,本文以数据流挖掘为理论框架,提出了一种改进链式可重写滑窗技术,并将其用于数据流中概要数据结构的提取,对概要数据结构中数据集使用小波阈值降噪处理,再利用基于Kalman的Volterra核估计预报算法实现对监测系统中采集到的连续的运动姿态数据流的实时预报。经验证该方法在精度及计算效率上均具有较明显优势。本文开展研究如下:首先,对数据流的独特性及其对应的主要查询方式进行介绍,然后,对数据及数据流挖掘的目的、过程、框架及常用算法进行阐述,进而更好地了解挖掘的核心思想,使其恰当的运用到后续研究中。其次,考虑舰船运动姿态的混沌特性,分别利用Volterra级数和卡尔曼滤波(Kalman)两种算法及两种算法的组合算法对运动姿态进行预报研究,验证组合算法的优势,并结合传统滑动窗口方法实现数据流实时处理的需求。最后,分析传统滑动窗口技术存在的问题,提出改进链式可重写滑动窗口技术用于数据流处理,同时考虑到运动序列中的噪声问题,故先使用改进链式可重写滑窗获取概要数据结构,然后对其中的数据集进行小波阈值去噪,再使用基于Kalman滤波算法的Volterra核估计算法达到预报目的,通过在舰船运动姿态预报中的实践验证表明该算法可很好地解决运动姿态数据流在线预报问题。