科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对短时船舶交通流数据的非线性与非平稳性特征，导致预测精度低的问题，本文提出了基于注意力机制的堆叠LSTM船舶交通流预测模型。该模型主要采用堆叠式LSTM神经网络，用于捕捉短时船舶交通流数据的时序特征，并通过引入注意力机制来更好地学习全局性特征，以提高船舶交通流预测的精度。为了构建船舶交通流数据集，本文提取了长江下游三个航段的船舶AIS数据，并将其用于本文模型的训练和测试。结果表明，相较于HA、ARIMA、GPR、LSTM和Seq2Seq等基线模型，本文模型在交通流量宏观参数的预测中，均方根误差和平均绝对误差两个评价指标均有所降低。与最优基线模型相比，本文模型在船舶交通流预测中表现出更高的精度，其均方根误差降低了4.05%，平均绝对误差降低了4.04%。
- 单位
