基于特征注意力机制的RNN-Bi-LSTM船舶轨迹预测 |
| |
引用本文: | 赵程栋,庄继晖,程晓鸣,李宇航,郭东平.基于特征注意力机制的RNN-Bi-LSTM船舶轨迹预测[J].广东海洋大学学报,2022(5):102-109. |
| |
作者姓名: | 赵程栋 庄继晖 程晓鸣 李宇航 郭东平 |
| |
作者单位: | 海南大学机电工程学院 |
| |
摘 要: | 【目的】为更准确预测船舶轨迹,基于RNN、Bi-LSTM和注意力机制,研究一种结合特征注意力机制的RNN-Bi-LSTM的船舶轨迹预测模型。【方法】基于AIS数据构建基于循环神经网络(RNN)与双向长短时记忆网络(Bi-LSTM)的混合神经网络模型,并在混合模型中加入特征注意力机制对数据特征进行权重分配,提升模型对船舶轨迹预测精度。【结果】使用实际运行的船舶AIS数据,对模型的有效性和实用性进行验证,测试集均方误差为2.751×10-5、均方根误差为5.245×10-3,在连续弯道预测中的均方误差为4.359×10-6、均方根误差为2.088×10-3。【结论】结合特征注意力机制的RNN-Bi-LSTM相较于传统的预测神经网络,船舶轨迹预测精度更高,尤其在弯道预测中也表现出较好的符合度。
|
关 键 词: | AIS信息 循环神经网络 双向长短时记忆网络 特征注意力机制 船舶轨迹预测 |
|
|