为解决以往船舶轨迹预测模型在训练过程中未能合理应对多步预测任务间关联性的问题,构建了一种融合频域分析方法和Seq2Seq模型的船舶轨迹预测算法(Time-Frequency based Seqence to Seqence Model,TF-Seq2Seq)。基于自动识别系统数据特...为解决以往船舶轨迹预测模型在训练过程中未能合理应对多步预测任务间关联性的问题,构建了一种融合频域分析方法和Seq2Seq模型的船舶轨迹预测算法(Time-Frequency based Seqence to Seqence Model,TF-Seq2Seq)。基于自动识别系统数据特点设计了系列预处理操作;用融合频域分析方法和Seq2Seq模型的改进算法捕获船舶轨迹序列的关联性。基于真实数据进行实例分析,结果表明基于长短时记忆单元的Seq2Seq改进算法多种指标上表现最优,均方误差较原算法降低了12.9%。算法改进能更好地发挥模型优势,提高船舶轨迹预测精度。展开更多
文摘为解决以往船舶轨迹预测模型在训练过程中未能合理应对多步预测任务间关联性的问题,构建了一种融合频域分析方法和Seq2Seq模型的船舶轨迹预测算法(Time-Frequency based Seqence to Seqence Model,TF-Seq2Seq)。基于自动识别系统数据特点设计了系列预处理操作;用融合频域分析方法和Seq2Seq模型的改进算法捕获船舶轨迹序列的关联性。基于真实数据进行实例分析,结果表明基于长短时记忆单元的Seq2Seq改进算法多种指标上表现最优,均方误差较原算法降低了12.9%。算法改进能更好地发挥模型优势,提高船舶轨迹预测精度。
