基于特征注意力机制的RNN-Bi-LSTM船舶轨迹预测

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

所属期刊栏目：42

分类号：P76(海洋环境科学)

在线出版日期：2022-10-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：102-109