一种基于非线性Kepler优化算法优化双向长短期记忆-时间变量注意力模型的AUV漂移轨迹预测方法

本发明提出一种基于NKOA‑BiLSTM‑TVA模型的多变量AUV漂移轨迹预测方法，该方法通过利用AUV的轨迹数据以及海洋环境因素实现AUV的漂移轨迹预测。本发明设计了一个跨时间维度和变量维度的融合注意力机制层Time Variable attention layer(TVA)。本发明的方法使用反向学习初始化KOA算法，并将一个随时间变化的非线性收敛因子融入到原始KOA算法中改进KOA算法，利用NKOA算法对BiLSTM‑TVA模型的超参数进行优化，NKOA算法在原算法的基础上提高了算法搜索的广度和深度。本发明研究的AUV漂移轨迹预测方法对于预测失事AUV的出水点、并对其打捞回收以及后期研究故障成因等问题具有重要意义，同时对于保护AUV上的数据也具有重要意义。