基于RNN-LSTM的船舶位置预测分析
张玉人1
龚志猛2
1.中国科学院福建物质结构研究所 福州 3506082.华信咨询设计研究院有限公司 杭州 310052
摘要：针对传统马尔科夫模型在长时序跨度条件下,预测船舶的下一位置精度较低且系统复杂度较高的问题,提出了一种基于长短型记忆循环神经网络(Recurrent Neural Networks-Long Short-Term Memory,RNN-LSTM)的船舶位置预测模型.利用DBSCAN聚类算法提取历史轨迹中的目标位置序列作为预测模型的输入,降低预测系统复杂度.引入Word2Vec模型中的Skip-grams算法将目标位置转换成位置向量,提升目标位置的区分度.实验结果表明,适当调整聚类算法参数可有效提升预测精度,所提模型预测准确度也高于传统预测模型.
关键词：RNN-LSTM船舶位置预测聚类算法目标位置序列
分类号：TP183(自动化基础理论)
论文发表日期：2021-02-20
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：7( 252-258 )
英文信息