基于循環(huán)神經(jīng)網(wǎng)絡(luò)的船舶軌跡預(yù)測方法研究
發(fā)布時間:2021-07-04 14:08
當(dāng)前世界經(jīng)濟全球化發(fā)展日益加深,利用海上交通實現(xiàn)經(jīng)濟貿(mào)易往來逐漸成為熱門趨勢,海上交通運輸日益繁忙,運輸量迅猛增長,水域承載負擔(dān)不斷增大,海洋船舶數(shù)目增多,重要水域及航道中往來船舶密度越來越大,因而海上交通事故頻發(fā),提高海上航行安全、減少交通事故勢在必行,關(guān)鍵任務(wù)是實現(xiàn)船舶的軌跡預(yù)測。在海事搜救、海關(guān)緝私等應(yīng)用中,對船舶進行軌跡預(yù)測是一個關(guān)鍵問題,精準(zhǔn)且高效的軌跡預(yù)測對于減少海上交通事故、提高相關(guān)海事部門和船舶交通服務(wù)系統(tǒng)的決策水準(zhǔn)具有重大的意義。本文針對海洋船舶軌跡預(yù)測問題展開研究,通過船舶自動識別系統(tǒng)(Automatic Identification System,AIS)收集大量的船舶歷史航行數(shù)據(jù),提出了一種數(shù)據(jù)驅(qū)動的船舶軌跡預(yù)測方法,該方法將軌跡預(yù)測任務(wù)分為數(shù)據(jù)預(yù)處理和軌跡預(yù)測兩個階段。在數(shù)據(jù)預(yù)處理階段,分析AIS數(shù)據(jù)存在的問題,首先基于線性插值法進行插值預(yù)處理,解決AIS數(shù)據(jù)量稀疏、部分?jǐn)?shù)據(jù)丟失而導(dǎo)致的數(shù)據(jù)分布不均問題;然后設(shè)計了一種基于對稱分段路徑距離(Symmetrized Segment-Path Distance,SSPD)的相似性度量方法,消除AIS數(shù)據(jù)中的冗余數(shù)據(jù)...
【文章來源】:合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校
【文章頁數(shù)】:61 頁
【學(xué)位級別】:碩士
【部分圖文】:
LSTM結(jié)構(gòu)圖
GRU結(jié)構(gòu)
??ü??夭閶盜罰?謔涑黿詰慊竦米羆言げ廡?列Y,包括預(yù)測位置的經(jīng)緯度坐標(biāo)。在隱藏層中,將普通RNN單元替換為GRU單元,根據(jù)實驗結(jié)果將神經(jīng)元個數(shù)設(shè)定為100;分別設(shè)計了兩個Dropout層和Dense層,根據(jù)經(jīng)驗將Dropout的概率設(shè)為0.2。Dropout是由Hinton等人于2012年提出并應(yīng)用于神經(jīng)網(wǎng)絡(luò),用于防止網(wǎng)絡(luò)訓(xùn)練的過擬合現(xiàn)象[94]-[95],Dense層即全連接層,用于對上一層的神經(jīng)元進行全部連接,實現(xiàn)特征的非線性組合。在神經(jīng)網(wǎng)絡(luò)模型中,激活函數(shù)用于處理非線性,本文選擇雙曲正切函數(shù)(tanh)作為隱藏層和輸出層的激活函數(shù)。圖4.4GRU循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig4.4GRUneuralnetworkstructure神經(jīng)網(wǎng)絡(luò)訓(xùn)練通過計算預(yù)測值與實際值之間的誤差不斷調(diào)整權(quán)重進行優(yōu)化,直至誤差下降到可接受的水平即得到理想輸出,本文選擇平均均方誤差函數(shù)(MeanSquaredError,MSE)和自適應(yīng)矩估計(AdaptiveMomentEstimation,
【參考文獻】:
期刊論文
[1]一種不同參考橢球下高斯投影地形圖坐標(biāo)轉(zhuǎn)換及實現(xiàn)[J]. 王會然. 北京測繪. 2019(08)
[2]基于深度門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)的短期風(fēng)功率預(yù)測模型[J]. 牛哲文,余澤遠,李波,唐文虎. 電力自動化設(shè)備. 2018(05)
[3]船舶AIS軌跡快速自適應(yīng)譜聚類算法[J]. 牟軍敏,陳鵬飛,賀益雄,張行健,朱劍峰,榮昊. 哈爾濱工程大學(xué)學(xué)報. 2018(03)
[4]基于高斯過程回歸的船舶航行軌跡預(yù)測[J]. 茅晨昊,潘晨,尹波,盧憶寧,許循齊. 科技創(chuàng)新與應(yīng)用. 2017(31)
[5]基于LSTM的艦船運動姿態(tài)短期預(yù)測[J]. 王國棟,韓斌,孫文赟. 艦船科學(xué)技術(shù). 2017(13)
[6]一種基于DTW改進的軌跡相似度算法[J]. 郭巖,羅珞珈,汪洋,付琨. 國外電子測量技術(shù). 2016(09)
[7]AIS軌跡動態(tài)插值在實時視景顯示中的應(yīng)用[J]. 戴鵬睿. 電子設(shè)計工程. 2016(14)
[8]基于單向距離的譜聚類船舶運動模式辨識[J]. 馬文耀,吳兆麟,楊家軒,李偉峰. 重慶交通大學(xué)學(xué)報(自然科學(xué)版). 2015(05)
[9]一種基于高斯混合模型的軌跡預(yù)測算法[J]. 喬少杰,金琨,韓楠,唐常杰,格桑多吉,Louis Alberto GUTIERREZ. 軟件學(xué)報. 2015(05)
[10]一種考慮船舶航速航向的AIS航跡插值方法[J]. 王超,紀(jì)永剛,黎明,楚曉亮,王祎鳴. 艦船科學(xué)技術(shù). 2015(04)
博士論文
[1]基于運動特征的軌跡相似性度量研究[D]. 朱進.南京師范大學(xué) 2015
本文編號:3264932
【文章來源】:合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校
【文章頁數(shù)】:61 頁
【學(xué)位級別】:碩士
【部分圖文】:
LSTM結(jié)構(gòu)圖
GRU結(jié)構(gòu)
??ü??夭閶盜罰?謔涑黿詰慊竦米羆言げ廡?列Y,包括預(yù)測位置的經(jīng)緯度坐標(biāo)。在隱藏層中,將普通RNN單元替換為GRU單元,根據(jù)實驗結(jié)果將神經(jīng)元個數(shù)設(shè)定為100;分別設(shè)計了兩個Dropout層和Dense層,根據(jù)經(jīng)驗將Dropout的概率設(shè)為0.2。Dropout是由Hinton等人于2012年提出并應(yīng)用于神經(jīng)網(wǎng)絡(luò),用于防止網(wǎng)絡(luò)訓(xùn)練的過擬合現(xiàn)象[94]-[95],Dense層即全連接層,用于對上一層的神經(jīng)元進行全部連接,實現(xiàn)特征的非線性組合。在神經(jīng)網(wǎng)絡(luò)模型中,激活函數(shù)用于處理非線性,本文選擇雙曲正切函數(shù)(tanh)作為隱藏層和輸出層的激活函數(shù)。圖4.4GRU循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig4.4GRUneuralnetworkstructure神經(jīng)網(wǎng)絡(luò)訓(xùn)練通過計算預(yù)測值與實際值之間的誤差不斷調(diào)整權(quán)重進行優(yōu)化,直至誤差下降到可接受的水平即得到理想輸出,本文選擇平均均方誤差函數(shù)(MeanSquaredError,MSE)和自適應(yīng)矩估計(AdaptiveMomentEstimation,
【參考文獻】:
期刊論文
[1]一種不同參考橢球下高斯投影地形圖坐標(biāo)轉(zhuǎn)換及實現(xiàn)[J]. 王會然. 北京測繪. 2019(08)
[2]基于深度門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)的短期風(fēng)功率預(yù)測模型[J]. 牛哲文,余澤遠,李波,唐文虎. 電力自動化設(shè)備. 2018(05)
[3]船舶AIS軌跡快速自適應(yīng)譜聚類算法[J]. 牟軍敏,陳鵬飛,賀益雄,張行健,朱劍峰,榮昊. 哈爾濱工程大學(xué)學(xué)報. 2018(03)
[4]基于高斯過程回歸的船舶航行軌跡預(yù)測[J]. 茅晨昊,潘晨,尹波,盧憶寧,許循齊. 科技創(chuàng)新與應(yīng)用. 2017(31)
[5]基于LSTM的艦船運動姿態(tài)短期預(yù)測[J]. 王國棟,韓斌,孫文赟. 艦船科學(xué)技術(shù). 2017(13)
[6]一種基于DTW改進的軌跡相似度算法[J]. 郭巖,羅珞珈,汪洋,付琨. 國外電子測量技術(shù). 2016(09)
[7]AIS軌跡動態(tài)插值在實時視景顯示中的應(yīng)用[J]. 戴鵬睿. 電子設(shè)計工程. 2016(14)
[8]基于單向距離的譜聚類船舶運動模式辨識[J]. 馬文耀,吳兆麟,楊家軒,李偉峰. 重慶交通大學(xué)學(xué)報(自然科學(xué)版). 2015(05)
[9]一種基于高斯混合模型的軌跡預(yù)測算法[J]. 喬少杰,金琨,韓楠,唐常杰,格桑多吉,Louis Alberto GUTIERREZ. 軟件學(xué)報. 2015(05)
[10]一種考慮船舶航速航向的AIS航跡插值方法[J]. 王超,紀(jì)永剛,黎明,楚曉亮,王祎鳴. 艦船科學(xué)技術(shù). 2015(04)
博士論文
[1]基于運動特征的軌跡相似性度量研究[D]. 朱進.南京師范大學(xué) 2015
本文編號:3264932
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3264932.html
最近更新
教材專著