← 返回列表
一种基于深度学习的船舶运动预测方法及系统
摘要文本
本发明涉及一种基于深度学习的船舶运动预测方法及系统，属于船舶运动预测技术领域，包括：获取历史船舶运动数据并处理；对历史船舶运动数据进行混类数据增强操作，构建虚拟的数据样本，从而实现数据扩增；对混类数据增强后的历史船舶运动数据进行孤立森林异常值检测并对异常值进行处理；通过TCN层获取深度特征，通过BIGRU网络获取时间特征，然后利用神经网络进行特征融合，并通过注意力增强操作对空间特征进行增强，构建基于神经网络的特征提取模型并训练模型；利用分类器对特征提取模型提取后的样本进行分类并输出分类结果，该分类结果作为船舶运动预测结果。本发明解决了模型训练效果差，识别精度低等问题。
申请人信息
- 申请人:山东大学
- 申请人地址:250061 山东省济南市历下区经十路17923号
- 发明人: 山东大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于深度学习的船舶运动预测方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311800936.8 |
| 申请日 | 2023/12/26 |
| 公告号 | CN117454124A |
| 公开日 | 2024/1/26 |
| IPC主分类号 | G06F18/20 |
| 权利人 | 山东大学 |
| 发明人 | 时文卓; 郭梓萌; 李世振; 戴子祥; 史子麟; 胡锦程; 徐轲 |
| 地址 | 山东省济南市经十路17923号 |
专利主权项内容
1.一种基于深度学习的船舶运动预测方法，其特征在于，包括如下步骤：(1)获取历史船舶运动数据并进行降噪、归一化处理；(2)对历史船舶运动数据进行混类数据增强操作，通过挖掘出不同类不同样本之间的关系，构建虚拟的数据样本，从而实现数据扩增；(3)对混类数据增强后的历史船舶运动数据进行孤立森林异常值检测并对异常值进行处理；(4)通过TCN层获取深度特征，通过BIGRU网络获取时间特征，然后利用神经网络进行特征融合，并通过注意力增强操作对空间特征进行增强，构建基于神经网络的特征提取模型并训练模型；(5)利用分类器对特征提取模型提取后的样本进行分类并输出分类结果，该分类结果作为船舶运动预测结果。