买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东科技大学

摘要：本发明属于船舶航行安全技术领域，具体公开一种海上浮标的轨迹重建方法。用于解决当浮标和船舶发生碰撞后浮标位置难以确定的问题。包括以下步骤：（1）获取浮标的AIS数据，对AIS数据进行预处理，预处理方法包括但不限于数据清洗、标准化处理、滤除噪声和填补缺失值；（2）集成改进的长短期记忆网络和多头注意力机制建立LSTM‑Attention模型；（3）对数据进行归一化处理，构建训练集，训练LSTM‑Attention模型。本发明实现对丢失的关键浮标轨迹数据的精确捕捉与补全，提高海事事故责任追踪的精准度和实用性，为海上运输安全管理提供强有力的数据支持。

主权项：1.一种海上浮标的轨迹重建方法，其特征在于，包括以下步骤：S1、获取浮标的AIS数据，对AIS数据进行预处理，预处理方法包括但不限于数据清洗、滤除噪声和填补缺失值；S2、集成改进的长短期记忆网络和多头注意力机制建立LSTM-Attention模型，改进的长短期记忆网络融入定制化时间门控机制，基于与每个时间步相关的时间间隔信息来调节信息的流动，直接对遗忘门和输入门的行为施加影响，使遗忘门和输入门根据浮标位置点之间的实际时间跨度来增强或减弱信息的遗忘或保留；经改进的长短期记忆网络输出的序列数据被传递到多头注意力机制，多头注意力机制通过将输入的序列数据分割成多个注意力头，并行地处理所有的注意力头，从而促进LSTM-Attention模型从不同的角度理解数据，最终输出综合了所有注意力头信息的浮标位置预测值；在步骤S2中，所述定制化时间门控机制包括遗忘门、输入门、输出门和候选单元； ，式中，对应时间的遗忘门向量；和是遗忘门的权重和偏置参数；是前一时间步的隐藏状态，是当前时间步的输入特征，是sigmoid激活函数，用于将门控信号限制在0和1之间； ，，式中，表示时刻的输入门，和是输入门的权重和偏置参数；是在时刻创建的候选向量，经由tanh函数生成，的值域在-1到1之间；是候选记忆单元的权重矩阵，是候选记忆单元的偏置项； ，代表在时刻的细胞状态，细胞状态是通过遗忘门决定丢弃哪些旧信息和通过输入门添加哪些新信息来更新； ，，式中，输出门决定了从细胞状态中哪些信息将被用作此时刻长短期记忆网络的输出，和为输出门的权重和偏置参数，是最终的输出，结合了输出门和当前的细胞状态信息；S3、先对数据进行归一化处理，然后构建训练集，训练LSTM-Attention模型；在步骤S3中，包括以下子步骤：S31、数据预处理：首先使用标准差归一化方法对原始的浮标的AIS数据进行标准化处理，将未处理的浮标的AIS数据的特征指标进行线性变换，使结果值映射至[0,1]区间；其次，将连续的四个浮标位置点构造成一个数据序列，并对所述数据序列进行处理，使所述数据序列包含输入序列以及输出序列；S32、数据集划分：将预处理后的数据集进行分割，确保训练集和测试集的比例分别为80%和20%；S33、LSTM-Attention模型训练配置：设置每一次迭代训练随机选取的数据序列的个数；S34、LSTM-Attention模型架构：包括两层长短期记忆网络，每层长短期记忆网络的隐藏单元数目为64，以及一个集成了四个注意力头的多头注意力机制，以及一个线性输出层，所述线性输出层用于将特征表示转化为预测结果；S35、损失函数与优化算法：选择均方误差作为损失函数，通过损失函数度量LSTM-Attention模型预测值与真实值之间的误差，采用Adam优化器进行参数优化；S36、浮标轨迹重建性能评估：利用步骤S34中训练好的LSTM-Attention模型，对测试集中的数据执行预测，得到重建的浮标轨迹，通过对比实际的浮标轨迹数据，进行浮标轨迹重建性能评估。

全文数据：

权利要求：

百度查询： 山东科技大学 海上浮标的轨迹重建方法