基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出一种基于长短期记忆网络的船舶航迹预测方法,应用三次样条插值对船舶自动识别系统数据进行修复以保证其时间间隔相等,以船舶经度、纬度、航速和航向作为模型的输入,经度和纬度作为输出构建船舶航迹的实时预测模型.实验结果表明,该方法可以突破对预测时间间隔相等的要求,经纬度预测最大误差不超过5×10-4°,能够比较准确地预测出船舶轨迹.
推荐文章
基于AIS数据和LSTM网络的船舶航行动态预测
船舶
航行动态预测
船舶自动识别系统(AIS)
长短期记忆网络(LSTM)
BP神经网络
基于DE-SVM的船舶航迹预测模型
航迹预测
支持向量机(SVM)
差分进化(DE)算法
AIS
BP神经网络
基于LSTM模型的短期负荷预测
短期负荷预测
LSTM神经网络
工业用户
深度学习
基于LSTM变权组合模型的股价预测
GRA
PCA
LSTM
误差倒数变权组合预测法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于LSTM的船舶航迹预测
来源期刊 船海工程 学科 交通运输
关键词 水运安全 航迹预测 AIS数据 长短期记忆网络
年,卷(期) 2019,(6) 所属期刊栏目 港航技术
研究方向 页码范围 121-125
页数 5页 分类号 U675.7
字数 3889字 语种 中文
DOI 10.3963/j.issn.1671-7953.2019.06.029
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 朱永生 西安交通大学现代设计及转子轴承系统教育部重点实验室 65 973 17.0 30.0
2 高大为 西安交通大学现代设计及转子轴承系统教育部重点实验室 2 0 0.0 0.0
3 闫柯 西安交通大学现代设计及转子轴承系统教育部重点实验室 19 103 6.0 9.0
4 陈凯达 西安交通大学现代设计及转子轴承系统教育部重点实验室 2 0 0.0 0.0
5 蔡依青 西安交通大学现代设计及转子轴承系统教育部重点实验室 1 0 0.0 0.0
6 任智军 西安交通大学现代设计及转子轴承系统教育部重点实验室 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (67)
共引文献  (38)
参考文献  (9)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(7)
  • 参考文献(0)
  • 二级参考文献(7)
2011(9)
  • 参考文献(0)
  • 二级参考文献(9)
2012(16)
  • 参考文献(3)
  • 二级参考文献(13)
2013(8)
  • 参考文献(0)
  • 二级参考文献(8)
2014(7)
  • 参考文献(2)
  • 二级参考文献(5)
2015(5)
  • 参考文献(0)
  • 二级参考文献(5)
2016(3)
  • 参考文献(1)
  • 二级参考文献(2)
2017(4)
  • 参考文献(2)
  • 二级参考文献(2)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
水运安全
航迹预测
AIS数据
长短期记忆网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
船海工程
双月刊
1671-7953
42-1645/U
大16开
武汉市武昌区和平大道1040号
1972
chi
出版文献量(篇)
4860
总下载数(次)
9
总被引数(次)
17407
论文1v1指导