基于注意力机制的CNN-LSTM模型的航迹预测
王堃1
周志崇2
曲凯2
曹明松2
胡延达3
1.93886部队,乌鲁木齐,8300012.空军工程大学空管领航学院,西安,7100513.陕西师范大学计算机科学学院,西安,710119
摘要：基于数学模型或统计模型的传统航迹预测方法存在一定的局限性,无法满足现代航空领域对于高效、准确、实时的航迹预测需求.针对此问题,提出基于注意力机制的CNN-LSTM模型的实时航迹预测方法.该模型首先使用一维卷积对航迹数据的多维度特征进行提取,从而减少输入特征的数量.其次利用获取的多维度时序数据作为LSTM的输入,通过LSTM提取上下文的信息.最后使用注意力机制为LSTM中不同时序节点的输出赋予权重,达到聚焦关键航迹信息的作用.经过实验验证:本文的模型与LSTM模型和CNN-LSTM模型相比,预测出的路径更接近真实航迹;文中的模型比LSTM模型的平均预测误差降低了29.7％,比CNN-LSTM模型降低了 25.4％.综上所述,文中方法可以显著提高航迹预测的精度.
关键词：航迹预测注意力机制卷积神经网络循环神经网络
分类号：TP391(计算技术、计算机技术)
论文发表日期：2023-12-25
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：8( 50-57 )
英文信息