典型文献
基于滑动窗口PSO-LSSVR的船舶轨迹预测模型
文献摘要：
传统的船舶轨迹预测模型难以确定关键参数,且训练时间较长,训练样本需求量大.例如神经网络模型,需要大量数据进行训练.为解决这些问题,提高目标船只的预测精度,提出了 一种基于粒子群优化(Particle Swarm Optimi-zation,PSO)的最小二乘支持向量回归(Least Square Support Vector Regression,LSSVR)预测模型.提取船舶自动识别系统(Automatic Identification System,AIS)数据中的经度、纬度、航速、航向作为特征量,利用AIS的时间戳作为数据处理的依据进行数据预处理.利用PSO算法对模型进行优化,确定最优参数,采用滑动窗口输入输出的方式进行预测.选取某船舶实际航行的AIS数据进行实验,并与粒子群优化的长短时记忆神经网络(Long Short-Term Memory,PSO-LSTM)模型、PSO-LSSVR模型得到的结果进行对比,结果表明滑动窗口 PSO-LSSVR模型预测精度更高,且用时更短.
文献关键词：
滑动窗口;粒子群优化算法;最小二乘支持向量回归;轨迹预测
中图分类号：
作者姓名：
王均刚;丁惠倩;胡柏青
作者机构：
海军工程大学电气工程学院,武汉430033;哈尔滨工程大学智能科学与工程学院,哈尔滨150001
文献出处：
引用格式：
[1]王均刚;丁惠倩;胡柏青-.基于滑动窗口PSO-LSSVR的船舶轨迹预测模型)[J].武汉理工大学学报,2022(12):35-43,59
A类：
Optimi
B类：
滑动窗口,PSO,LSSVR,船舶轨迹预测,难以确定,训练时间,训练样本,船只,Particle,Swarm,zation,最小二乘支持向量回归,Least,Square,Support,Vector,Regression,船舶自动识别系统,Automatic,Identification,System,AIS,经度,纬度,航速,航向,特征量,时间戳,数据预处理,最优参数,输入输出,航行,长短时记忆神经网络,Long,Short,Term,Memory,粒子群优化算法
AB值：
0.362388
相似文献
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。
