基于Attenton-LSTM神经网络的船舶航行预测

基于Attenton-LSTM神经网络的船舶航行预测

论文摘要

航行预测是无人艇关键技术之一。航行问题复杂度较高,传统的预测算法无法满足当前需求。为此,提出一种基于注意力机制-长短期记忆(Attention-Long Short Term Memory,Attention-LSTM)的多维船舶航行预测算法,结合船舶自动识别系统(Automatic Identification Systerm,AIS),采用注意力机制突出对船舶航行起关键作用的输入特征,实现对船舶未来时刻经度、纬度、航向、航速的预测。以成山角海域真实数据为例,进行仿真对比实验,结果表明所提方法具有更好的精确性和鲁棒性。

论文目录

文章来源

类型: 期刊论文

作者: 徐国庆,马建文,吴晨辉,张安西

关键词: 航行预测,船舶自动识别系统,误差反向传播算法,注意力机制,长短期记忆

来源: 舰船科学技术 2019年23期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 船舶工业,自动化技术

单位: 山东交通学院航海学院

基金: 山东省交通运输科技计划资助项目(2018B70),山东交通学院研究生科技创新基金资助项目(2019YK013)

分类号: U664.82

页码: 177-180

总页数: 4

文件大小: 2105K

下载量: 252

相关论文文献

标签:;  ;  ;  ;  ;  

基于Attenton-LSTM神经网络的船舶航行预测
下载Doc文档

猜你喜欢