典型文献
基于特征注意力机制的RNN-Bi-LSTM船舶轨迹预测
文献摘要：
[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.
文献关键词：
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
中图分类号：
作者姓名：
赵程栋;庄继晖;程晓鸣;李宇航;郭东平
作者机构：
海南大学机电工程学院,海南 海口 570228
文献出处：
引用格式：
[1]赵程栋;庄继晖;程晓鸣;李宇航;郭东平-.基于特征注意力机制的RNN-Bi-LSTM船舶轨迹预测)[J].广东海洋大学学报,2022(05):102-109
A类：
B类：
特征注意力机制,RNN,Bi,船舶轨迹预测,准确预测,AIS,循环神经网络,双向长短时记忆网络,混合神经网络,混合模型,数据特征,行权,权重分配,实际运行,测试集,均方误差,连续弯道,符合度
AB值：
0.164304
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
