一种渔船轨迹预测的AM-LSTM算法

摘要：

渔船轨迹预测的研究对于海上航行安全以及海洋资源保护都有重要的研究意义和价值.针对渔船航行影响因素复杂、传统模型预测难度大的问题,提出了注意力机制(attention mechanism,AM)和长短期记忆神经网络(long short-term memory,LSTM)结合的渔船轨迹预测模型(AM-LSTM).以渔船位置的经度、纬度和渔船的速度、航向、自身属性作为模型输入参数,建立基于经度和纬度的渔船航迹经度预测模型和纬度预测模型.利用大西洋区域内的AIS数据进行实验验证,结果表明,与未加入注意力的LSTM模型对比,AM-LSTM的预测精度明显高于LSTM模型;加入渔船自身数据的模型预测精度明显高于未加入渔船自身数据的模型预测精度.

关键词：注意力机制、LSTM、轨迹预测、AIS数据

所属期刊栏目：44

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金;青岛市创新创业领军人才项目;农业部水产养殖数字建设试点项目

在线出版日期：2023-10-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：115-121