10.3969/j.issn.1000-386x.2021.05.017
基于Transformer模型和Kalman滤波预测船舶航迹
针对日趋复杂的海上交通情况,船舶航迹的跟踪预测问题显得尤为重要,然而船舶航行轨迹的数据是具有长期特性的数列,而且易受到风浪、杂波和噪声等影响,致使其特征数据动态变化,航迹规律难以把握.基于上述问题,提出一种结合Transformer模型和Kalman滤波的航迹预测方法.利用宁波市渔船AIS(Automatic Iden-tification System)数据进行模型训练,并对船舶航迹进行预测.实验结果表明,该方法与传统处理方法相比,其预测的精度更高,并行处理序列数据方面也更具有优越性.
深度学习、Transformer模型、Kalman滤波、注意力机制、航迹预测、LSTM模型
38
TP39(计算技术、计算机技术)
2021-05-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
106-111