基于GRU-DconvLSTM的船舶轨迹预测

赵琦; 许志远; 葛佳薇

首页> 中文期刊> 《船舶工程》 >基于GRU-DconvLSTM的船舶轨迹预测

基于GRU-DconvLSTM的船舶轨迹预测

开具论文收录证明 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

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-DconvLSTM)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-DconvLSTM模型在经度和纬度预测上误差较小,精确度较高。

著录项

来源
《船舶工程》 |2023年第6期|124-129|共7页
作者
赵琦; 许志远; 葛佳薇;
展开▼
作者单位

大连海洋大学航海与船舶工程学院;

辽宁大连116023;

展开▼
原文格式 PDF
正文语种 chi
中图分类船舶避让操作;
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;

相似文献

中文文献
外文文献
专利

1. 基于Seq2Seq的船舶轨迹变步长预测方法研究 [J] . 张扬 ,彭鹏菲 ,卢锐 . 电光与控制 . 2023,第4期
2. 基于非线性模型预测的欠驱动船舶轨迹跟踪控制研究 [J] . 杜朋柱 ,张砚北 ,隆武强 . 大连理工大学学报 . 2023,第5期
3. 基于机器学习的集装箱船舶运行轨迹与到港时间预测 [J] . Roger Lloret-Batlle ,林森 ,郭杰群 . 物流技术 . 2023,第8期
4. 基于多模型融合的内河船舶航行轨迹预测方法 [J] . 张阳 ,高曙 ,何伟 . 中国机械工程 . 2022,第10期
5. 基于多任务学习的船舶行为识别与轨迹预测 [J] . 杨红 ,韩鹏 ,刘畅 . 重庆交通大学学报:自然科学版 . 2022,第4期
6. 基于AIS数据的船舶航行轨迹估计研究 [C] . Wang Yibing ,王伊冰 ,Ruan Linlin . 第九届中国卫星导航学术年会 . 2018
7. 基于船舶轨迹的航迹序列预测方法研究 [A] . 李建睿 . 2021

基于GRU-DconvLSTM的船舶轨迹预测

摘要

著录项

相似文献

相关主题

期刊订阅