基于AIS数据和LSTM网络的船舶航行动态预测

论文摘要

为进一步提高船舶航行动态预测的精度,提出将长短期记忆（long short-term memory,LSTM）网络应用到船舶航行动态预测。将船舶自动识别系统（automatic identification system,AIS）数据转化为航行动态时间序列数据用于LSTM网络的训练和测试。将预测结果与传统的航迹推算法、BP（back propagation）神经网络法等的预测结果进行对比,结果证明:基于LSTM网络的船舶航行动态预测模型具有精度高、鲁棒性强、通用性好等特点。预测结果可以为船舶交通管理中心（vessel traffic services,VTS）的监管提供参考,在预警船舶碰撞、搁浅等事故方面具有较高的实际应用价值。

论文目录

文章来源

类型: 期刊论文

作者: 任宇翔,赵建森,刘卫,王胜正,韦雨含

关键词: 船舶,航行动态预测,船舶自动识别系统,长短期记忆网络,神经网络

来源: 上海海事大学学报 2019年03期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 船舶工业,计算机软件及计算机应用

单位: 上海海事大学商船学院

基金: 国家自然科学基金(51709167),上海市自然科学基金(18ZR1417100),上海市浦江人才计划(D)类(18PJD017),大学生创新创业训练项目(X201801005)

分类号: U675.79

DOI: 10.13340/j.jsmu.2019.03.006

页码: 32-37

总页数: 6

文件大小: 355K

下载量: 412

相关论文文献

标签：船舶论文;  航行动态预测论文;  船舶自动识别系统论文;  长短期记忆网络论文;  神经网络论文;