在世界經(jīng)濟全球化的大環(huán)境下,隨著海上交通量的迅猛增長,這使得水域承載的負擔增大,航道擁擠。這種情況下船舶本身存在的問題及人為因素引發(fā)的事故增多,造成了巨大的經(jīng)濟損失。相關(guān)海事部門和船舶交通服務(wù)系統(tǒng)提高決策水準勢在必行,其中的一個關(guān)鍵問題就是實現(xiàn)船舶航跡預(yù)測并進行異常預(yù)警。目前,大多數(shù)船舶軌跡預(yù)測模型還停留在一般的機器學習方法和基于特定運動學方程的模型上,這種模型受限程度較高,已經(jīng)很難應(yīng)對當今繁雜的海上交通情形。高精度模型的訓(xùn)練需要豐富的數(shù)據(jù)支持。相對傳統(tǒng)雷達設(shè)備等,AIS設(shè)備擁有受地形天氣影響小,高定位精度等優(yōu)點,且可以提供更豐富的船舶軌跡特征數(shù)據(jù)。本文基于AIS數(shù)據(jù)樣本,結(jié)合神經(jīng)網(wǎng)絡(luò)和深度學習,研究適用于船舶軌跡預(yù)測的算法模型。基于解析后的AIS數(shù)據(jù),設(shè)計并實現(xiàn)了船舶軌跡預(yù)測模型的訓(xùn)練仿真實驗。最后對航跡預(yù)測模型在異常預(yù)警、航線規(guī)劃等方面的應(yīng)用進行了研究。本文主要研究工作如下:1.分析總結(jié)了AIS相關(guān)解碼與處理技術(shù)。在介紹AIS消息類型的基礎(chǔ)上,展示了AIS信息的數(shù)據(jù)結(jié)構(gòu),并對AIS信息進行解碼和處理,由此獲得數(shù)據(jù)源,為基于AIS數(shù)據(jù)的航跡預(yù)測提供了數(shù)據(jù)基礎(chǔ)。2.深入研究了利用BP神...

【文章頁數(shù)】：86 頁

【學位級別】：碩士

【部分圖文】：

圖3-1BP神經(jīng)網(wǎng)絡(luò)架構(gòu)圖

圖3-1BP神經(jīng)網(wǎng)絡(luò)架構(gòu)圖經(jīng)網(wǎng)絡(luò)里每層的神經(jīng)元和下一層的神經(jīng)元用線連接在一起，每對應(yīng)的權(quán)重值w。除了輸入層，一般來說每個神經(jīng)元還有對應(yīng)絡(luò)的計算架構(gòu)如下圖3-2。

圖3-2BP神經(jīng)網(wǎng)絡(luò)計算架構(gòu)圖

24圖3-2BP神經(jīng)網(wǎng)絡(luò)計算架構(gòu)圖神經(jīng)元（除了輸入層）都會有加權(quán)求和得到的輸入值z，以oid函數(shù)（也即是激活函數(shù)）非線性轉(zhuǎn)化后的輸出值a，z和a-1)和(3-2)：=∑=()=....

圖3-3sigmoid函數(shù)圖像

圖3-3sigmoid函數(shù)圖像3-3中我們看出，Sigmoid函數(shù)的值域為(0,1)。對于多分類元可以表示是該分類的概率。當然還存在其他的激活函和廣泛使用的Relu函數(shù)，他們的用途和優(yōu)缺點也都各異。神經(jīng)網(wǎng)絡(luò)算法經(jīng)網(wǎng)絡(luò)是一種監(jiān)督學習，訓(xùn)練預(yù)測模型時首先要利用梯度絡(luò)的....

圖3-6解析后的AIS數(shù)據(jù)

圖3-6解析后的AIS數(shù)據(jù)原始實驗數(shù)據(jù)均來源于廣州港水域內(nèi)船舶AIS信息，數(shù)據(jù)類型為高度壓縮的字符串，以txt的文本形式存儲。按照第二章中所介紹的算法，將數(shù)據(jù)解存儲在MySQL數(shù)據(jù)庫中。在數(shù)據(jù)庫中，按照BP和GA-BP船舶軌跡預(yù)測模輸入需求設(shè)計MMS....

本文編號：3893570