一种基于ConvLSTM的轨道不平顺演化预测方法

本发明公开了一种基于ConvLSTM的轨道不平顺演化预测方法，本发明基于经典的时空序列分析深度学习框架‑‑卷积长短期记忆(Conv‑LSTM)单元构建预测模型。同时，引入形状和时间畸变损失函数DILATE来量化预测结果与实际结果之间的误差。在此基础上，利用轨道不平顺历史测量数据集对所建预测模型进行训练和测试。其同时考虑了轨道不平顺的时间特征和空间特征，将轨道不平顺的演变预测视为时空序列分析问题，并使用时空序列分析领域的方法解决该问题，提出了基于深度学习的预测模型，避免了人工特征提取步骤，可直接实现轨道不平顺的时空特征演变预测。实现轨道不平顺的长期预测，也可用于长里程预测。