摘要
本发明提供了一种基于轨迹聚类和时空特征网络的飞机轨迹预测方法,包括以下步骤:数据集准备:数据集主要包括飞机轨迹的空间信息和时间信息,并对数据进行预处理;轨迹聚类:通过轨迹聚类将相似轨迹分组;时空特征提取:通过结合卷积神经网络和双向长短期记忆网络来提取轨迹数据的时空特征;构建基于轨迹聚类和时空特征网络的轨迹预测模型,训练并保存在验证集表现最佳的模型,实现在复杂路径和多变环境下对不同时序数据轨迹的针对性预测。本发明通过上述方法可提高飞机轨迹预测的准确性和效率。
技术关键词
轨迹预测方法
长短期记忆网络
轨迹预测模型
飞机
数据
网络更新过程
轮廓系数
矩阵
时间序列特征
聚类
注意力机制
门结构
样本
度量
时序
动态地
系统为您推荐了相关专利信息
状态检测装置
彩盒
磁感应强度
终端设备
距离调节
电缆状态评估方法
波形
条件生成对抗网络
电流
特征提取模型
预警机制
集成系统
线性回归模型
温度分布图像
风险预测模型
矩阵
补全方法
电力数据分析技术
误差函数
编码器模块