首页|基于RNN-LSTM的船舶位置预测分析

基于RNN-LSTM的船舶位置预测分析

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对传统马尔科夫模型在长时序跨度条件下,预测船舶的下一位置精度较低且系统复杂度较高的问题,提出了一种基于长短型记忆循环神经网络(Recurrent Neural Networks-Long Short-Term Memory,RNN-LSTM)的船舶位置预测模型.利用DBSCAN聚类算法提取历史轨迹中的目标位置序列作为预测模型的输入,降低预测系统复杂度.引入Word2Vec模型中的Skip-grams算法将目标位置转换成位置向量,提升目标位置的区分度.实验结果表明,适当调整聚类算法参数可有效提升预测精度,所提模型预测准确度也高于传统预测模型.
Ship Position Prediction Analysis Based on RNN-LSTM

张玉人、龚志猛

展开 >

中国科学院福建物质结构研究所 福州 350608

华信咨询设计研究院有限公司 杭州 310052

RNN-LSTM 船舶位置预测 聚类算法 目标位置序列

2021

10.3969/j.issn.1672-9722.2021.02.005

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2021.49(2)
  • 3
  • 4