摘要
本发明公开了一种船舶过桥航迹预测方法,使用格拉姆角场分别将每条船舶的航迹的时间序列转化为RGB图像后再采用RGB图像构成训练样本集,并在当前成熟的GAN网络结构中引入卷积神经网络和注意力机制来构建船舶过桥航迹预测模型,卷积神经网络使船舶过桥航迹预测模型可以自动学习表征船舶航迹的RGB图像的特征,注意力机制使船舶过桥航迹预测模型能够充分利用RGB图像中的结构信息,使得船舶过桥航迹预测模型能够关注RGB图像中重要的长距离依赖关系,更准确地提取RGB图像中的关键特征;优点是预测预测精度较高,且对于模型的设计和优化要求较低。
技术关键词
船舶
航迹预测方法
序列
过桥
图像像素
一维卷积神经网络
训练样本集
数据
注意力机制
拉格朗日插值法
图像特征提取
像素矩阵
随机噪声
网络结构
符号
精度
系统为您推荐了相关专利信息
数字化仓储系统
汽车零部件
数据存储模块
数据分析模块
数据采集模块
电流互感器误差
LSTM模型
电磁式电流互感器
编码器
特征提取模块
文本
模型训练方法
计算机可执行指令
自然语言模型
字符
模型预测控制方法
温度预测模型
炉膛
变量
粒子群优化算法