摘要
船舶异常行为检测属于海事监管的重要内容,它对于保障船舶正常航行,规避船舶风险具有重要意义.针对船舶异常行为识别检测,提出一种基于长短期记忆网络(LSTM)的船舶异常行为检测方法.通过人为划分船舶异常行为状态标签,对海量船舶自动识别系统(AIS)数据进行学习,在双向LSTM神经网络中建立模型.选取了2016年9月—2017年2月江苏江阴航道的AIS数据进行实验分析,在TensorFlow平台上对模型进行训练.实验结果表明,双向LSTM神经网络模型在对训练数据集和测试数据集异常识别准确率分别可以达到90.91%和89.82%.通过和单向LSTM模型、BP神经网络模型比较可知,双向LSTM模型的识别准确率更高,能够及时发现船舶异常行为.
- 单位