一种基于时序模式注意力机制的CNN-LSTM船舶运动姿态预测方法

本发明提出了一种基于时序模式注意力机制的CNN‑LSTM船舶运动姿态预测方法，获取多变量实船运动的真实数据集，绘制多变量数据的热力图，选择相互之间相关程度高的多变量数据作为输入，利用滑动窗口的思想将其构造为有监督数据集，并对其进行数据预处理；搭建基于时序模式注意力机制的CNN‑LSTM混合网络，包括一维卷积层，LSTM层、时序注意力机制模块和展平层；训练网络，使用MSE评价模型；将新的船舶运动姿态数据传入到训练好的混合网络模型，得到预测数据。本发明利用基于时序模式注意力机制的CNN‑LSTM混合网络模型进行训练，与单一的网络相比，可以同时提取船舶运动姿态数据的空间维度特征和时序维度特征，网络模型具有更高的预测精度。