一种基于机器学习进行线面拟合的轨迹预测方法

本发明属于机器学习领域，提供了一种基于机器学习进行线面拟合的轨迹预测方法，包括：利用初始函数生成模型生成待拟合原始函数、参数取值范围确定、子函数参数分配、函数仿真、差值提取、优化度数据计算、待拟合原始函数更新及损失值计算、正向调整参考集和反向调整参考集确定以及参数迭代。本发明通过初始函数生成模型，取消了传统方法采用单一函数结构的方法，提高了轨迹预测的准确性；通过设计优化度数据以及正向调整参考集和反向调整参考集，提供了一种快速地随机参数优化方案，缩短了轨迹预测所需的迭代时间，降低了算力需求。