基于PSO-CNN-GRU模型的无人机短期航迹预测
张成佳
陆军特种作战学院 桂林 541002
摘要：针对无人机(Unmanned Aerial Vehicle,UAV)航迹预测问题,为了提升航迹预测的收敛速度和精度,论文提出了一种基于粒子群算法优化,卷积神经网络与门控循环单元网络相结合的PSO-CNN-GRU无人机航迹预测模型.为了解决神经网络人工调参难以获得最优解的问题,通过PSO算法进行自动调参,对GRU网络的隐藏层规模、学习率、批训练大小等参数进行优化,避免形成局部最优解;针对历史关键信息与重要特征的提取问题,通过CNN网络提取变量间的局部依赖关系,实现隐藏特征的挖掘.实验结果表明,与原始GRU模型相比,PSO-CNN-GRU模型的MAE、MSE的值分别降低了65.13%、73.25%,有着较好的准确性与鲁棒性.
关键词：粒子群(PSO)算法卷积神经网络(CNN)门控循环单元(GRU)航迹预测无人机
分类号：TP301.6(计算技术、计算机技术)
论文发表日期：2024-05-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 45-49 )
英文信息