一种基于深度学习混合模型的船舶轨迹预测方法

本发明提供的一种基于深度学习混合模型的船舶轨迹预测方法，涉及船舶轨迹预测技术领域，通过对船舶AIS数据进行预处理，使得处理后的船舶轨迹能够更贴近真实的船舶航行轨迹，具有较高的可信度。所建立的基于时空特征耦合的CovTE‑BiLSTM混合模型，通过时空特征耦合模块的动态权重分配机制自适应调整卷积神经网络层与Transformer层输出的融合比例，解决了传统混合模型由于特征冗余与时空信息交互不足而导致单一特征提取网络无法同时捕获时序特征和空间特征复杂关系的问题。通过双向时序门控单元和双向长短期记忆网络层相辅相成的设计，提升了CovTE‑BiLSTM混合模型对复杂时空依赖关系的建模能力。