潘明杰， 任久春， 汪建波， 朱 谦

(复旦大学 信息科学与工程学院，上海 200433)

帆船VMG预测遗传算法优化

潘明杰， 任久春， 汪建波， 朱 谦

(复旦大学 信息科学与工程学院，上海 200433)

VMG(Velocity Made Good)泛指帆船在迎风阶段船速于迎风方向上的分量，反映了帆船运动员利用风的能力。在前期研究中通过设计BP神经网络模型对帆船VMG进行预测。为提高BP神经网络预测的准确性，提出了采用遗传算法对原网络模型的权值及阈值进行优化，并对网络重新进行学习训练。对比结果表明，使用遗传算法优化后的BP模型在多项指标上都有了明显提高。

VMG; 时间序列预测; 遗传算法; BP算法; 神经网络

0 引言

帆船运动中，运动员对海风的利用效率将直接影响到最终的比赛成绩[1]。VMG(Velocity Made Good)，是现在国际上通用的描述运动员利用海风水平的重要指标之一，其意为帆船船速在迎风方向上的分量，也是运动员选择航线的重要依据。对运动员而言，若能在行驶过程中，了解到其下一时刻、甚至下一时段的VMG变化情况，则可根据此预测情况实时调整路线、修改战术，从而争取更有利的行驶策略。因此，若能实现对VMG的预测，则无疑将为运动员科学、合理地选择行进路线提供重要依据。

考虑到帆船在运动过程中，会受到环境与人为操作的双重影响，采用传统力学的分析方法较难对运动规律进行准确描述[2]。神经网络由于无需事先了解事物的内部关系，通过对样本的学习训练来对事物关系进行近似拟合，在该方面则具有较好的应用前景。……