基于AIS数据的船舶行为特征挖掘与预测：研究进展与展望
甄荣, 邵哲平, 潘家财
Advance in Character Mining and Prediction of Ship Behavior based on AIS Data
ZHEN Rong, SHAO Zheping, PAN Jiacai
表3
船舶行为预测研究总结
Tab. 3
Research summary of ship behavior prediction
研究内容
研究方法及模型
基于动力学方程船舶行为预测
高斯跟踪滤波
[
73
]
、卡尔曼滤波
[
74
,
75
,
76
]
、灰色预测
[
77
]
、矢量分析
[
78
]
和惯性定位原理方法
[
79
]
基于传统智能算法的船舶行为预测
BP神经网络方法
[
80
,
81
,
82
]
、k-最近邻方法
[
83
]
、支持向量机
[
84
]
方法
基于深度循环神经网络船舶行为预测
基于长短期记忆
[
85
,
86
,
87
,
88
]
、门循环单元
[
89
]
、注意力机制
[
90
]
、生成对抗网络
[
91
]
、改进Seq2Seq
[
92
]
神经网络方法
基于深度卷积神经网络的船舶行为预测
CNN
[
95
]
、CNN+LSTM
[
96
,
97
]
、多视图特征融合网络方法
[
98
]