[發(fā)明專利]基于LSTM編解碼模型的海洋浮標(biāo)軌跡預(yù)測方法有效
| 申請?zhí)枺?/td> | 202011392272.2 | 申請日: | 2020-12-01 |
| 公開(公告)號: | CN112364119B | 公開(公告)日: | 2023-04-18 |
| 發(fā)明(設(shè)計)人: | 梁建峰;宋曉;韓璐遙;岳心陽;陳萱;陳若冰;李雨森;韋廣昊;韓春花;寧鵬飛;劉志杰 | 申請(專利權(quán))人: | 國家海洋信息中心 |
| 主分類號: | G06F16/29 | 分類號: | G06F16/29;G06Q10/04;G06N3/0442;G06N3/0464;G06N3/084 |
| 代理公司: | 北京慕達(dá)星云知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11465 | 代理人: | 符繼超 |
| 地址: | 300171*** | 國省代碼: | 天津;12 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 lstm 解碼 模型 海洋 浮標(biāo) 軌跡 預(yù)測 方法 | ||
1.一種基于LSTM編解碼模型的海洋浮標(biāo)軌跡預(yù)測方法,其特征在于,包括:
獲取海洋浮標(biāo)的軌跡序列,所述軌跡序列中的每個軌跡點包括海洋浮標(biāo)的經(jīng)度坐標(biāo)和緯度坐標(biāo),所有海洋浮標(biāo)的軌跡序列構(gòu)成數(shù)據(jù)集,并將所述數(shù)據(jù)集分成訓(xùn)練集和測試集;
編碼器每一個時間步讀取所述訓(xùn)練集中一個軌跡點周期性編碼標(biāo)準(zhǔn)化后的數(shù)據(jù),并結(jié)合上一時間步的隱層輸出生成該步的輸出,延時間軸方向不斷讀取最終轉(zhuǎn)換成固定長度的全局向量表示,將海洋浮標(biāo)的所述經(jīng)度坐標(biāo)和所述緯度坐標(biāo)進(jìn)行周期性編碼:
式中,xlgt、xlat分別表示海洋浮標(biāo)原始的經(jīng)度和緯度坐標(biāo),x′lgt、x′lat分別表示編碼后的二維經(jīng)度坐標(biāo)和緯度坐標(biāo);
解碼器基于所述全局向量表示輸出預(yù)測經(jīng)度和緯度;
計算輸出的上述經(jīng)度和緯度分別與預(yù)測值之間的誤差,更新權(quán)重直至LSTM模型收斂;
將所述測試集輸入至訓(xùn)練好的所述LSTM模型中,得到海洋浮標(biāo)預(yù)測坐標(biāo),
模型選用均方誤差作為損失函數(shù),采用反向傳播算法計算每個權(quán)重的梯度,使用梯度優(yōu)化算法更新權(quán)重:
其中,N表示訓(xùn)練集中樣本個數(shù),和yi分別表示模型預(yù)測值和真實值,MSE表示均方誤差。
2.根據(jù)權(quán)利要求1所述的一種基于LSTM編解碼模型的海洋浮標(biāo)軌跡預(yù)測方法,其特征在于,所述編碼器和所述解碼器均采用單層的LSTM網(wǎng)絡(luò),隱層神經(jīng)元個數(shù)為10,輸入維度為2。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于國家海洋信息中心,未經(jīng)國家海洋信息中心許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011392272.2/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 用于高階長短期記憶網(wǎng)絡(luò)的系統(tǒng)和方法
- 基于深度學(xué)習(xí)LSTM的空調(diào)故障診斷方法
- 基于注意力機(jī)制的時間序列預(yù)測方法、裝置及存儲介質(zhì)
- 一種基于PCA-LSTM網(wǎng)絡(luò)的廢水處理智能監(jiān)控方法
- 一種基于FAF-LSTM深度神經(jīng)網(wǎng)絡(luò)的居民負(fù)荷預(yù)測方法及系統(tǒng)
- 用于預(yù)測血糖水平的循環(huán)神經(jīng)網(wǎng)絡(luò)裝置和系統(tǒng)
- 基于情景LSTM結(jié)構(gòu)網(wǎng)絡(luò)的微博情感分析方法
- 語音信號處理方法、裝置、電子設(shè)備和存儲介質(zhì)
- 基于約束并行LSTM分位數(shù)回歸的電力負(fù)荷概率預(yù)測方法
- 基于深度網(wǎng)絡(luò)AS-LSTM的命名實體識別系統(tǒng)及識別方法





