CAJ | 학술논문

文章通过介绍广义回归神经网络(GRNN)的原理及其非线性拟合的能力,建立了基于GRNN的船舶阻力预测模型.本文将该模型运用到Taylor系列船舶剩余阻力预测中,得出预测结果.通过与实际阻力比较,得出预测阻力的相对误差在5％之内的百分比为93.98％,最后本文通过预测插值后的数据,得出相对误差在5％以内占85.38％.由此可以看出,GRNN预测船舶阻力有很高的精度和较强的泛化能力,为船舶阻力的预测提供了一种简便的预测方法.
문장통과개소엄의회귀신경망락(GRNN)적원리급기비선성의합적능력,건립료기우GRNN적선박조력예측모형.본문장해모형운용도Taylor계렬선박잉여조력예측중,득출예측결과.통과여실제조력비교,득출예측조력적상대오차재5％지내적백분비위93.98％,최후본문통과예측삽치후적수거,득출상대오차재5％이내점85.38％.유차가이간출,GRNN예측선박조력유흔고적정도화교강적범화능력,위선박조력적예측제공료일충간편적예측방법.