基于CNN-LSTM-attention模型航迹预测研究

以航迹预测方法作为切入点，重庆-广州航路航空器记录的ADS-B数据作为研究内容，提出了一种融合注意力机制的长时序航迹预测方法(CNN-LSTM-attention)。研究运用一维卷积神经网络对航迹数据多维特征进行提取，并将经纬度、高度、速度、航向等的多维特征向量构造成时序形式作为LSTM网络输入，通过赋予LSTM网络隐含层的权重占比并区别不同时序点隐藏层信息对未来航迹预测的影响程度来达到优化预测模型的作用。构建好的CNN-LSTM-attention模型采用Adam优化算法进行训练，LSTM和CNN-LSTM作为实验对比模型，将决定系数R²作为模型评价标准来衡量航迹预测模型的准确性。实验结果表明加入注意力机制的神经网络预测模型CNN+LSTM+attention(卷积神经网络-长短期记忆网络-注意力机制)的方法相较于其他两种，其预测精确性更高。