基于GRU-DconvLSTM的船舶轨迹预测 |
| |
引用本文: | 赵琦,许志远,葛佳薇.基于GRU-DconvLSTM的船舶轨迹预测[J].船舶工程,2023(6):124-129+139. |
| |
作者姓名: | 赵琦 许志远 葛佳薇 |
| |
作者单位: | 大连海洋大学航海与船舶工程学院 |
| |
基金项目: | 辽宁省教育厅2022年度高校基本科研项目面上项目(LJKMZ20221106); |
| |
摘 要: | 利用深度学习方法预测船舶未来航行趋势,对海上交通安全以及船舶管理具有重要意义。在船舶自动识别系统(AIS)中已知的经度、纬度、航速数据基础上,提出一种基于门控循环单元结合双卷积层长短期记忆神经网络(GRU-Dconv LSTM)预测模型。根据原始数据的变化趋势,采用标准差法对数据中的异常值进行处理,得到最终试验数据。该模型一方面通过门控循环单元(GRU)学习船舶历史数据上的运动规律;并采用双卷积层与长短期记忆神经网络(LSTM)结合的形式充分提取数据深层信息,提高模型对时序数据深层次特征的挖掘能力。将该模型与卷积长短期记忆神经网络(CNN-LSTM)、卷积门控循环神经网络(CNN-GRU)以及卷积层长短期记忆(Conv-LSTM)神经网络等3个模型进行对比,将均方根误差、平均绝对误差、平均绝对百分比误差作为评价标准,结果表明,GRU-Dconv LSTM模型在经度和纬度预测上误差较小,精确度较高。
|
关 键 词: | 船舶自动识别系统数据 门控循环单元 双卷积层 长短期记忆神经网络 轨迹预测 |
|
|