基于CEEMD-PSO-MNN的船舶航迹预测

作     者：王文标 董贵平 汪思源 孟松 杜大鹏 杜佳璐 WANG Wenbiao;DONG Guiping;WANG Siyuan;MENG Song;DU Dapeng;DU Jialu

作者机构：大连海事大学船舶电气工程学院辽宁大连116026 

基　　金：国家自然科学基金项目(51079013) 

出 版 物：《电子器件》 (Chinese Journal of Electron Devices)

年 卷 期：2021年第44卷第1期

页      码：119-124页

摘      要：船舶航迹预测对保障海上交通安全具有重要意义,为进一步提高船舶航迹预测精度,提出了一种从认知神经科学和神经生理学继承的模块化设计方法用于开发神经网络,旨在通过大脑强大的功能(分而治之)来解决复杂问题。首先,利用互补集合经验模式分解算法(CEEMD)将船舶航迹时间序列分解为多个相对平稳的子序列,使其具有不同的本征模态函数及趋势项,这在一定程度上降低了航迹时间序列的复杂程度;然后,通过模糊熵(FE)量化各子序列的复杂性用于辅助模块化神经网络(MNN)任务分配;最后,将粒子群(PSO)改进的长短期记忆神经网络(LSTM)作为模块化神经网络的子网络用于解决船舶航迹时间序列预测任务。选取相关数据进行测试,验证了所提方法对船舶航迹预测的准确性和实用性。

主 题 词：航迹预测 互补集合经验模态分解 模块化神经网络 粒子群 长短期记忆神经网络 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 081104[081104] 0824[工学-林业工程类] 0835[0835] 082401[082401] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1005-9490.2021.01.023

馆 藏 号：203102235...