様々な専門的な海洋作業において、構造物の将来の動的応答を予測することは不可欠です。例えば、船搭載のヘリコプター着陸には6〜8秒の予測時間枠が必要であり、波の中での船の航行中のリスクを避けるためには15秒の予測ウィンドウが必要です。本研究では、長短期記憶ニューラルネットワーク（LSTM）を使用した将来船舶動作のリアルタイム予測手法を紹介します。直接的なマルチステップ出力アプローチを使用して、予測のために最新データで継続的に更新します。この手法はLSTMの能力を活用し、船舶の動作の非線形時系列をモデル化できます。また、デバイス間で低遅延のデータ転送を実現するためにユーザーデータグラムプロトコル（UDP）が使用されます。このフレームワークの性能は、無作為波の中での10000-TEUコンテナ船モデルの多自由度動作シミュレーションを通じて示され、検証されます。結果は、四つのケースのすべてでR2値が0.7を超えており、最大値と最小値のR2値はそれぞれケースIでの6秒およびケースIVでの10秒の予測可能な時間スケールに対応しています。これは、LSTMニューラルネットワークとUDPプロトコルを組み合わせることで、正確かつ効率的な予測とデータ伝送が可能になることを示しています。また、予測可能な時間スケールが増加すると、手法の計算精度は低下します。
Yu et al. (Sun)はこの問題を研究した。