-
公开(公告)号:CN113393027B
公开(公告)日:2023-11-07
申请号:CN202110648282.6
申请日:2021-06-10
Applicant: 大连海事大学
IPC: G06Q10/04 , G06Q10/067 , G06F16/29 , G06N3/084 , G06N3/0464
Abstract: 本发明提供了一种基于深度学习的航标漂移智能预测方法,涉及航标漂移预测技术领域,该方法包括:获取样本数据,并对样本数据进行预处理;其中,样本数据包括航标历史位置数据和水位历史数据;基于预处理后的样本数据构建时间序列;利用时间序列反映出的航标运动规律建立并训练航标漂移预测模型;所述航标漂移预测模型包括用于提取时间序列中的时序特征的门控循环单元和用于对时间序列的各时间步赋予不同权重的注意力机制;输入航标预设个时刻数据,利用训练好的航标漂移预测模型进行预测;输出航标预测位置。本发明基于深度学习的方法从大量航标、水位历史数据中学习时序特征,通过考虑水位因素影响和添加注意力机制进一步提高了模型预测精度。
-
公开(公告)号:CN113393027A
公开(公告)日:2021-09-14
申请号:CN202110648282.6
申请日:2021-06-10
Applicant: 大连海事大学
Abstract: 本发明提供了一种基于深度学习的航标漂移智能预测方法,涉及航标漂移预测技术领域,该方法包括:获取样本数据,并对样本数据进行预处理;其中,样本数据包括航标历史位置数据和水位历史数据;基于预处理后的样本数据构建时间序列;利用时间序列反映出的航标运动规律建立并训练航标漂移预测模型;所述航标漂移预测模型包括用于提取时间序列中的时序特征的门控循环单元和用于对时间序列的各时间步赋予不同权重的注意力机制;输入航标预设个时刻数据,利用训练好的航标漂移预测模型进行预测;输出航标预测位置。本发明基于深度学习的方法从大量航标、水位历史数据中学习时序特征,通过考虑水位因素影响和添加注意力机制进一步提高了模型预测精度。
-