← 返回列表
基于多模态学习的短期航迹预测方法
申请人信息
- 申请人:中国人民解放军海军航空大学
- 申请人地址:264000 山东省烟台市芝罘区二马路188
- 发明人: 中国人民解放军海军航空大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于多模态学习的短期航迹预测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311448667.3 |
| 申请日 | 2023/11/2 |
| 公告号 | CN117421984A |
| 公开日 | 2024/1/19 |
| IPC主分类号 | G06F30/27 |
| 权利人 | 中国人民解放军海军航空大学 |
| 发明人 | 高龙; 柳超; 张威; 王月基; 沈淳; 王凤芹; 吕友彬; 高航; 王翔 |
| 地址 | 山东省烟台市芝罘区二马路188号 |
摘要文本
本发明公开了一种基于多模态学习的短期航迹预测方法，步骤包括：准备训练数据集，训练数据集中包括时间相互对应的历史风场图像和历史航迹数据；建立预测模型，预测模型包括风场特征学习模块、航迹特征学习模块和航迹预测模块；将训练数据集输入至预测模型，基于损失函数值调整预测模型的参数；使用训练后的预测模型预测短期航迹。本发明在短期航迹预测任务中引入了风场特征学习模块，对一段时间内的风场三维数据提取风场特征，并通过历史航迹特征和风场特征的融合，综合利用两种特征来预测未来航迹，从而提高了短期航迹预测的准确率。
专利主权项内容
1.一种基于多模态学习的短期航迹预测方法，其特征在于步骤包括：步骤1、准备训练数据集，所述训练数据集中包括时间相互对应的历史风场图像和历史航迹数据；步骤2、建立预测模型，所述预测模型包括风场特征学习模块、航迹特征学习模块和航迹预测模块，所述风场特征学习模块用于根据风场图像得到风场特征向量，所述航迹特征学习模块用于根据航迹数据得到航迹特征向量，所述航迹预测模块用于根据风场特征向量和航迹特征向量得到航迹预测结果；步骤3、将训练数据集输入至预测模型，其中历史风场图像作为风场特征学习模块的输入，历史航迹数据作为航迹特征学习模块的输入，根据航迹预测模块的预测结果计算损失函数值，并基于损失函数值调整预测模型的参数；步骤4、使用训练后的预测模型预测短期航迹：将当前时刻之前的风场图像输入到风场特征学习模块、航迹数据输入到航迹特征学习模块，将航迹预测模块输出的航迹预测结果作为该时刻的航迹预测结果。 来源：百度搜索马克数据网