文献类型：期刊文章

作　　者：任宇翔[1] 赵建森[1] 刘卫[1] 王胜正[1] 韦雨含[1]

REN Yuxiang;ZHAO Jiansen;LIU Wei;WANG Shengzheng;WEI Yuhan(Merchant Marine College,Shanghai Maritime University,Shanghai 201306,China)

机构地区：[1]上海海事大学商船学院

出　　处：《上海海事大学学报》

基　　金：国家自然科学基金(51709167);上海市自然科学基金(18ZR1417100);上海市浦江人才计划(D)类(18PJD017);大学生创新创业训练项目(X201801005)

年　　份：2019

卷　　号：40

期　　号：3

起止页码：32-37

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为进一步提高船舶航行动态预测的精度,提出将长短期记忆(long short-term memory,LSTM)网络应用到船舶航行动态预测。将船舶自动识别系统(automatic identification system,AIS)数据转化为航行动态时间序列数据用于LSTM网络的训练和测试。将预测结果与传统的航迹推算法、BP(back propagation)神经网络法等的预测结果进行对比,结果证明:基于LSTM网络的船舶航行动态预测模型具有精度高、鲁棒性强、通用性好等特点。预测结果可以为船舶交通管理中心(vessel traffic services,VTS)的监管提供参考,在预警船舶碰撞、搁浅等事故方面具有较高的实际应用价值。

关 键 词：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  

分 类 号：U675.79]