宋旭东，王雪,伊卫国

(大连交通大学 软件学院，辽宁 大连 116028)*

近几年随着海上运输业的迅猛发展，船舶建造吨位不断变大，停泊大型船舶的开放式码头数量随之持续性增长，伴随而来船舶停靠码头时断缆事故发生几率增高.开放式码头船舶系缆力受到多方面因素(风、浪、流等)的影响，仅靠人为经验判断船舶系泊安全以避免断缆事故的发生是极不可靠的，因此对船舶缆绳进行受力情况分析，预测下一阶段缆绳缆力值是否在缆绳可承受范围内是保障生产安全不能缺少的一个环节.考虑到船舶停靠时缆绳受力曲线非线性显著的特点，在本文中选用小波变换对缆力值数据进行处理后再使用GRU神经网络通过以往数据进行下一时间段数据的预测.

将小波变换用于处理非线性显著的数据这种情况在许多领域已得到了广泛应用.文献[1]中使用小波变换进行数据处理后提取特征值放入BP神经网络中进行船舶分类的工作.文献[2]中将小波变换应用于图像处理技术，将图片进行三层分解后的高频系数作为输入值录入到CNN神经网络中进行处理，处理后的数值通过小波重构最终得解，该模型对图片的降噪明显好于先前提出的各类模型.文献[3-4]均采用RNN(Recurrent Neural Networks,循环神经网络)中的LSTM(Long Short Term Memory,长短期记忆网络)进行预测.

在文献[5]中提出了包含GRU(Gated Recurrent Unit，基于门控循环单元的网络)等多种神经网络结合的算法用于时间序列的预测，文献[6]中使用特定电子系统对原……