基于注意力机制的CNN-LSTM模型的航迹预测

基于数学模型或统计模型的传统航迹预测方法存在一定的局限性,无法满足现代航空领域对于高效、准确、实时的航迹预测需求。针对此问题,提出基于注意力机制的CNN-LSTM模型的实时航迹预测方法。该模型首先使用一维卷积对航迹数据的多维度特征进行提取,从而减少输入特征的数量。其次利用获取的多维度时序数据作为LSTM的输入,通过LSTM提取上下文的信息。最后使用注意力机制为LSTM中不同时序节点的输出赋予权重,达到聚焦关键航迹信息的作用。经过实验验证：本文的模型与LSTM模型和CNN-LSTM模型相比,预测出的路径更接近真实航迹;文中的模型比LSTM模型的平均预测误差降低了29.7%,比CNN-LSTM模型降低了25.4%。综上所述,文中方法可以显著提高航迹预测的精度。