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：汕头大学

摘要：本发明公开了一种基于机器学习的海上漂浮物轨迹预测方法、系统、设备及存储介质，其中所述方法包括：获取特定海域内多个待测漂浮物在历史时间段下对应的多个轨迹集合，所述历史时间段以当前时刻作为结束点；对所述多个轨迹集合进行预处理，得到所述多个待测漂浮物对应的多个轨迹偏差集合；利用训练好的长短时记忆网络模型对所述多个轨迹偏差集合进行处理，得到所述多个待测漂浮物在下一时刻下对应的多个预测轨迹偏差；根据所述多个轨迹集合和所述多个预测轨迹偏差，确定所述多个待测漂浮物在下一时刻对应的多个预测轨迹数据。本发明可以更为准确地实现对多个海上漂浮物的轨迹进行同时预测，并且所采用的机器学习算法易于部署在轻量化计算平台。

主权项：1.一种基于机器学习的海上漂浮物轨迹预测方法，其特征在于，包括：获取特定海域内多个待测漂浮物在历史时间段下对应的多个轨迹集合，所述历史时间段以当前时刻作为结束点；对所述多个轨迹集合进行预处理，得到所述多个待测漂浮物对应的多个轨迹偏差集合；利用训练好的长短时记忆网络模型对所述多个轨迹偏差集合进行处理，得到所述多个待测漂浮物在下一时刻下对应的多个预测轨迹偏差；根据所述多个轨迹集合和所述多个预测轨迹偏差，确定所述多个待测漂浮物在下一时刻对应的多个预测轨迹数据；其中，所述长短时记忆网络模型通过以下方式进行训练：获取任一目标海域内若干个目标漂浮物在第一历史时间段下对应的若干个目标轨迹集合；对所述若干个目标轨迹集合进行预处理，得到所述若干个目标漂浮物对应的若干个目标轨迹偏差集合；将所述若干个目标轨迹偏差集合随机划分成训练集和测试集；设置不同的三个训练参数组，再利用所述训练集对构建的长短时记忆网络模型进行三次训练；利用所述测试集和所述若干个目标轨迹集合对最终训练得到的长短时记忆网络模型的预测精确度进行评估；其中，所述设置不同的三个训练参数组，再利用所述训练集对构建的长短时记忆网络模型进行三次训练包括：设置第一训练参数组，即设置学习率为0.001、损失函数为均方误差损失函数、批量大小为64、训练周期为6；设置第二训练参数组，即设置学习率为0.001、损失函数为给定的预测损失函数、批量大小为128、训练周期为8；设置第三训练参数组，即设置学习率为0.0001、损失函数为所述预测损失函数、批量大小为32、训练周期为6；根据所述第一训练参数组，利用所述训练集对构建的长短时记忆网络模型进行第一次训练，随后记录模型训练停止的第一位置；根据所述第二训练参数组，从所述第一位置开始，利用所述训练集对所述长短时记忆网络模型继续进行第二次训练，随后记录模型训练停止的第二位置；根据所述第三训练参数组，从所述第二位置开始，利用所述训练集对所述长短时记忆网络模型继续进行第三次训练；其中，对于任一目标漂浮物的目标轨迹偏差集合，所述目标轨迹偏差集合包含所述目标漂浮物在所述第一历史时间段下的多个目标轨迹偏差，每个目标轨迹偏差包含所述目标漂浮物在对应时刻下的经度偏差和纬度偏差，所述预测损失函数为： 式中，为预测经度偏差，为预测纬度偏差，为实际的经度偏差，为实际的纬度偏差。

全文数据：

权利要求：

百度查询： 汕头大学 基于机器学习的海上漂浮物轨迹预测方法、系统及设备