摘要
本发明公开了一种基于Attention‑BiLSTM的船舶航迹预测方法,涉及船舶航迹预测技术领域。本发明获取船舶AIS数据、天气数据和日期属性数据;对船舶航迹数据进行异常数据的检测与剔除,并对剔除后的缺失数据进行填补;建立船舶航迹特征输入候选集,选取影响船舶航迹的特征输入变量,确定船舶航迹与特征输入变量间的延迟阶数,构造特征向量;将特征向量划分为有限数量的子模型作用域,并进行边界划分与边界估计;对各子模型作用域进行船舶航迹预测模型的建立,通过船舶航迹预测模型,实现船舶航迹的滚动预测。本发明为船舶航迹预测提供准确的高质量数据及合理的作用域划分,保证船舶航迹预测的精度,达到船舶合理路径规划、资源优化调度、提高海上航行安全的目的。
技术关键词
船舶航迹预测方法
长短期记忆神经网络
构造特征向量
变量
异常数据
航迹数据
船舶航迹预测技术
滑动时间窗口
系统辨识模型
多层感知机
支持向量机
贝叶斯信息准则
LSTM神经网络
资源优化调度
双向长短期记忆
注意力
预测模型训练
系统为您推荐了相关专利信息
飞行器
协同测试方法
资源
计算机可读指令
计算机程序指令
农产品冷链物流
运输管理方法
模拟退火算法
编码
运输管理系统
风险预警方法
密集特征
时序特征
物联网电梯
矩阵
回归预测模型
XGBoost模型
变量
随机森林模型
生成样本数据
鲜面条
综合品质
评价方法
支持向量机模型
综合评价模型