10.16526/j.cnki.11-4762/tp.2024.01.005
基于注意力机制的TCN-BiLSTM船舶轨迹预测
针对现有船舶轨迹预测模型预测准确度低的问题,提出一种基于注意力机制的时域卷积网络和双向长短时记忆网络结合的船舶轨迹预测模型;首先搭建TCN网络提取船舶轨迹的序列特征,之后将注意力机制引入网络调整不同属性特征的权值,突出对轨迹预测影响更大的特征,最后搭建Bi-LSTM网络学习轨迹序列的前后状况来提取序列中更多的信息,实现对船舶未来轨迹的预测;通过实际船舶AIS数据对网络进行训练与测试实验,实验结果表明,TCN-ABiLSTM模型相比LSTM、Bi-LSTM和BiLSTM-Attention模型船舶轨迹预测精度更高,拟合程度更好,验证了所设计的TCN-ABiLSTM模型在船舶轨迹预测方面的的有效性和实用性.
轨迹预测、时域卷积网络、长短时记忆网络、注意力机制、AIS
32
TP183(自动化基础理论)
国家自然科学基金;中国科学青年人才托举工程项目
2024-02-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
30-36