一种基于多广度Transformer的航迹预测方法

在现代航空运营中，航迹预测至关重要。针对此问题，本发明公开了一种基于多广度Transformer的航迹预测方法，该方法综合不同时间段的历史航迹对预测的影响，充分学习未来时间序列对不同历史时间序列的依赖关系，提高了预测精度。首先，利用编码器将历史航迹数据嵌入高维空间，提取注意力特征。同时，构造出待解码航迹，通过掩码多头自注意力模块得到其注意力特征。然后，利用多广度交叉注意力模块计算历史和待解码航迹特征之间的交叉注意力分数，映射出多个不同广度的注意力特征。这些特征通过掩码全连接层加权求和，生成预测特征。最后，将预测特征输入MLP预测器，得到模型预测结果。在真实航班数据上的测试表明，该模型能够良好完成航迹预测任务。