摘要
航运业作为全球贸易的主要推动力之一,承担着日益重要的使命.随着船舶数量增加,航行风险提升,造成巨大经济损失.为提高船舶航行轨迹预测的精度,本文提出一种改进的灰狼优化算法(GWO)和长短期记忆网络(LSTM)相结合的创新模型,即GWO-LSTM模型.相较于传统的LSTM模型,GWO-LSTM模型在提取数据质量方面表现出更高的准确度和鲁棒性.在船舶航行轨迹预测方面,GWO-LSTM模型所取得的预测误差更小,预测精度更高,并且具备更好的泛化能力.研究结果表明,基于GWO-LSTM建立的船舶航行轨迹预测模型不仅能够有效提高数据处理和分析的效率,还能够为船舶航行安全提供更为可靠的预测和决策支持.
NETL
NSTL
万方数据