[發明專利]基于長短期記憶神經網絡的航空器場面軌跡預測方法有效
| 申請號： | 201810495952.3 | 申請日： | 2018-05-22 |
| 公開（公告）號： | CN108764560B | 公開（公告）日： | 2022-03-15 |
| 發明（設計）人： | 李波;姚夢飛;洪濤 | 申請（專利權）人： | 電子科技大學 |
| 主分類號： | G06Q10/04 | 分類號： | G06Q10/04;G06Q50/30;G06N3/04 |
| 代理公司： | 電子科技大學專利中心 51203 | 代理人： | 鄒裕蓉 |
| 地址： | 611731 四川省成*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 短期 記憶 神經網絡 航空器 場面 軌跡 預測 方法 | ||
1.基于長短期記憶神經網絡的航空器場面軌跡預測方法，其特征在于，包括以下步驟：
步驟1、獲取航空器的歷史滑行數據集，包括經度、緯度和速度數據，設置遞增采樣周期對滑行數據序列進行預處理，分割為訓練數據和測試數據；
步驟2、構建長短期記憶神經網絡LSTM神經網絡模型，輸入訓練數據，配置網絡參數，完成模型的訓練；
步驟3、輸入測試數據至不同采樣周期下的LSTM神經網絡模型得到預測值，反歸一化后，加上一階差分處理時的基礎項得到軌跡預測位置，所述軌跡預測位置由經度和緯度組成；
步驟4、將不同采樣周期下的軌跡預測位置，按采樣周期遞增的順序組成軌跡預測序列，將軌跡預測序列中的第一個軌跡點作為基點，分別與其余的軌跡點計算得到場面相對距離，將場面相對距離與時間采用多項式擬合方法進行處理，獲得軌跡預測曲線擬合方程，得到中長期內任意時刻的場面相對距離。
2.如權利要求1所述方法，其特征在于，LSTM神經網絡模型的隱層中引入衰減系數λ∈(0，1)，作用在隱層內的單元狀態：
其中，t表示滑動窗口內最近的數據時刻，ct表示當前t時刻的單元狀態，W表示根據軌跡數據的變化特點調整的滑動窗口長度。
3.如權利要求2所述方法，其特征在于，λ衰減系數取值為0.9、W取值為10。
4.如權利要求1所述方法，其特征在于，步驟1中預處理包括等距采樣、一階差分、歸一化及監督學習序列轉換；
步驟3中輸入測試數據至LSTM神經網絡模型得到預測值，再將預測值反歸一化后加上一階差分處理時的基礎項得到軌跡預測位置。
5.如權利要求1所述方法，其特征在于，步驟4多項式擬合采用五次方擬合。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于電子科技大學，未經電子科技大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810495952.3/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：當日提現總額預測方法及裝置
- 下一篇：一種分布式風偏閃絡預警方法、裝置及系統
- 同類專利
- 專利分類
G06Q 專門適用于行政、商業、金融、管理、監督或預測目的的數據處理系統或方法；其他類目不包含的專門適用于行政、商業、金融、管理、監督或預測目的的處理系統或方法
G06Q10-00 行政；管理
G06Q10-02 .預定，例如用于門票、服務或事件的
G06Q10-04 .預測或優化，例如線性規劃、“旅行商問題”或“下料問題”
G06Q10-06 .資源、工作流、人員或項目管理，例如組織、規劃、調度或分配時間、人員或機器資源；企業規劃；組織模型
G06Q10-08 .物流，例如倉儲、裝貨、配送或運輸；存貨或庫存管理，例如訂貨、采購或平衡訂單
G06Q10-10 .辦公自動化，例如電子郵件或群件的計算機輔助管理
