基于特征注意力机制的RNN-Bi-LSTM船舶轨迹预测

【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。