典型文献
基于GMM与LSTM耦合模型的船舶航迹预测算法
文献摘要:
为进一步提高船舶航迹预测精度,提出一种基于高斯混合模型(Gaussian mixture model,GMM)和长短期记忆网络(long short-term memory network,LSTM)的船舶航迹预测算法.收集船舶自动识别系统(automatic identification system,AIS)的历 史数据,建立航迹数据库;通过基于GMM的航迹提取算法,实现船舶航迹数据的高效准确提取;采用基于LSTM的船舶航迹预测模型和已提取出的航迹数据,实现对目标船航迹的精准预测.对比实验结果表明,所提出的算法的平均均方误差小于6×10-5,预测平均耗时小于20 s,验证了其对不同类型船舶中短期航迹预测的有效性和实用性.
文献关键词:
航迹预测;船舶自动识别系统(AIS);高斯混合模型(GMM);长短期记忆网络(LSTM)
中图分类号:
作者姓名:
赵煜;尤再进;吴丽淑;李婉莹
作者机构:
大连海事大学交通运输工程学院,辽宁 大连116026
文献出处:
引用格式:
[1]赵煜;尤再进;吴丽淑;李婉莹-.基于GMM与LSTM耦合模型的船舶航迹预测算法)[J].上海海事大学学报,2022(04):23-29
A类:
船舶航迹预测
B类:
GMM,耦合模型,预测算法,高斯混合模型,Gaussian,mixture,model,长短期记忆网络,long,short,term,memory,network,船舶自动识别系统,automatic,identification,system,AIS,航迹提取,精准预测,均方误差,中短期
AB值:
0.198634
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。