【摘 要】
:
为了提高AIS(Automatic Identification System)轨迹数据在海事监管中的作用,本文以“基于混合神经网络的船舶轨迹预测”为选题,探究预测精度更高、鲁棒性更强的轨迹预测模型,为后续的船舶异常行为检测、船舶智能避碰等方面提供相关的理论基础。本文模型训练基于大量的历史AIS数据,在不影响轨迹特征的基础上对原数据进行降噪,制作了可用于神经网络训练输入的数据集,建立了预测结果较理
论文部分内容阅读
为了提高AIS(Automatic Identification System)轨迹数据在海事监管中的作用,本文以“基于混合神经网络的船舶轨迹预测”为选题,探究预测精度更高、鲁棒性更强的轨迹预测模型,为后续的船舶异常行为检测、船舶智能避碰等方面提供相关的理论基础。本文模型训练基于大量的历史AIS数据,在不影响轨迹特征的基础上对原数据进行降噪,制作了可用于神经网络训练输入的数据集,建立了预测结果较理想和易于训练拟合的混合神经网络模型。本文的研究内容有以下几点:(1)挑选AIS数据中的时间、经纬度、对地航向、对地航速这五种特征进行处理作为模型的输入,并根据MMSI、时间增量、空间距离、航速这四个维度对轨迹进行划分制作了可用于神经网络输入的数据集。(2)对比了3-9个轨迹点作为模型输入的模型预测精度,确定了将三个轨迹点数据作为轨迹输入;对比了平均绝对误差(MAE)和均方误差(MSE)两种损失函数,确定了将均方误差作为模型最终的损失函数;对比了1-3层的循环神经网络(RNN)的预测结果显示预测精度会随着RNN层数的加深而降低,但是更深的神经网络在拟合过程中有更稳定的表现,最后对比了长短期记忆循环神经网络(Long Short-term memory,LSTM)、门控循环神经网络(Gated Recurrent Unit,GRU)、双向长短期记忆循环神经网络(Bi-directional Long Short-term memory,BLSTM)以及双向门控循环神经网络(Bi-directional Gated Recurrent Unit,BGRU)四种神经网络在轨迹预测中的表现,结果表现LSTM、GRU在轨迹预测方面有精度更高且两者的预测能力基本相同。(3)为了进一步探究更复杂的预测模型,将一维的卷积神经网络(CNN)、注意力机制(Attention)引入LSTM模型上,对比了CNN-LSTM模型、LSTM-Attention模型、CNN-LSTM-Attention模型三种模型的预测精度、拟合性能以及在真实的轨迹预测中的表现。结果表明CNN-LSTM能小幅提升轨迹预测的能力,注意力机制能够明显提升轨迹预测的精度且模型能够快速拟合,CNN-LSTM-Attentin模型在实际的轨迹预测中有较理想的表现。训练好的模型虽然不能直接迁移到别的水域进行使用,但是加入注意力机制的模型具有良好的拟合性,能够快速拟合使得模型在迁移学习中能够很快学习到不同的水域的轨迹特点,具有较强的鲁棒性和可迁移性。
其他文献
现今,海上交通运输是现代社会发展的重要支柱,越来越多的船舶投入到使用中,各个水域愈加繁忙,船舶数目显著增长,而交通流密度的增大,使得船舶会遇现象增多,随之而来避碰行为也增多,危险系数变得更大。船舶一旦发生事故,其可能会造成的生命财产损失是十分巨大的,因此,为降低船舶碰撞概率,提高船舶航行安全性,对船舶行为进行建模仿真是一个有效的手段。对船舶避碰行为这种交通流方向的建模方法之一是元胞自动机技术,其具
随着人工智能技术成为研究热点,船舶开始向着体系化、智能化、模块化等方向发展,人工智能应用领域之一就是无人驾驶,而路径规划作为实现无人驾驶的关键一环,有着极其重要的应用价值和研究意义。在综合比对几何规划和随机采样路径规划算法与目前的智能仿生学算法之后,发现粒子群优化算法(Particle swarm optimization,PSO)作为一门新兴的基于群体智能理论的高效、并行的算法,相较于前两类算法
单线态氧是一种激发态氧分子,它是由三线态氧(基态氧分子)被激发后产生的,具有较高的反应活性,对污染物在自然水体中的迁移转化可产生重要影响,同时也是光催化水处理过程中导致污染物降解的重要因素。为促进单线态氧在实际水处理中的应用,本文进行了如下研究。首先,确立了一种适用于水环境的单线态氧检测方法,即DPCI(1,5-二苯基卡巴肼)光度法,DPCI与单线态氧反应生成不溶于水的DPCO,需要将DPCO萃取
随着工农业的快速发展,诸如制药、造纸和冶金等行业产生了大量的含氮和含硫有机废水,若不进行及时有效的处理,不仅会造成环境污染还会威胁人类健康。本文采用集成式厌氧反应器对含氮和含硫有机废水进行协同处理。鉴于异养反硝化菌与硫酸盐还原菌(SRB)具有底物竞争关系且亚硝酸盐(NO2-)对SRB具有抑制作用,采用套筒结构实现反应器硫酸盐还原与兼养脱硫反硝化的功能分区,降低异养反硝化反应的强度并缓解NO2-对S
为了探索更加高效更加便捷的船舶轨迹异常检测方法,提升海事监管的效率,提高海事检测的自动化及智能化;保障船舶海上航行安全,为海上交通领域的研究和科学应用提供一定的理论支持。本文以船舶自动识别系统(Automatic Identification System,AIS)提供的原始船舶轨迹数据为基础,通过数据清洗、处理等手段得到高质量的船舶轨迹数据作为训练集。随后利用基于密度的聚类算法(Density-
偶氮染料是应用最广泛的化学染料,偶氮染料废水排放到环境中将引发人类健康问题及一系列环境问题。微生物及其降解酶对偶氮染料的脱色降解是生物修复的最佳选择。细菌主要通过产生的偶氮还原酶使偶氮键还原断裂,产生的苯胺类物质在好氧条件下再进一步被降解为二氧化碳和水。近年来,已有从细菌中分离鉴定偶氮还原酶基因的报道,但关于嗜盐菌重组偶氮还原酶性质的系统研究较少。从嗜盐菌中鉴定和克隆偶氮还原酶基因、构建可以耐盐脱
辽东湾是中国渤海三大海湾之一,约占渤海总面积的1/3,主要入海河流有大凌河、大辽河、小凌河以及辽河等。河水携带着城市生活废水、工农业废水以及自然降雨进入辽东湾,因其是一个三面陆地的半封闭式海湾,湾内海水的自然水交换能力较弱,所以海域环境污染严重且污染持续时间长,难以治理。在众多污染物中,重金属因其高毒性、持久性和生物富集的特点逐渐被人们关注。为了更好的了解辽东湾重金属污染现状,在2020年冬季、春
随着航运业的迅猛发展,对船舶自动舵的要求越来越高,不仅要求自动舵具有良好的航向保持、航迹保持等性能,而且需要自动舵具有减摇、自动靠离泊、自动避碰等功能。要求自动舵在保证船舶具有足够的航向、航迹控制精度的基础上,同时提高船舶的适航性、智能化和安全性等。本文以当前船舶使用的PID自动舵为基础,对船舶航向航迹控制及船舶转向时的横倾问题进行研究,主要研究工作包括:为研究集装箱船、滚装船等受风面积大的船舶运
随着习近平总书记提出的“一带一路”战略的深入发展,海上贸易运输也获得了新的发展机遇,部分国内外重要航道内的船舶流量和密度都在不断增大,由此带来的船舶间微观行为也在不断增加,导致这些重要航道内的船舶复杂行为逐渐增多,从而在微观层面表现出航道内减速跟随和追越现象不断涌现,为了解决并研究这些复杂交通现象背后的产生机理,本文将从复杂性科学和交通工程学角度入手,对船舶交通流模型进行建模,来对各种微观行为进行