基于大数据的船舶航迹智能预测研究

王珊珊 梁同乐

（1、广东轻工职业技术学院 信息技术学院，广东 广州510300 2、广东邮电职业技术学院 计算机学院，广东 广州510630）

为了研究性能更好的船舶航迹智能预测方法，传统方法一以参考文献[1]的研究内容，提出一个基于接收信号强度指示的测量定位技术。该方法利用神经网络GRNN 快速训练稀疏数据集，然后利用卡尔曼滤波KF 修正预测目标[1]。传统方法二则以文献[2]提出的观点为创新，将信息序列值作为神经网络输入向量，采用一种中心导航滤波器，集中处理所有通道的预测信息，实现对船舶航迹的自动化预测[2]。此次研究在上述两种传统方法的基础上，提出基于大数据的船舶航迹智能预测研究方法。

1 基于大数据的船舶航迹智能预测方法

1.1 船舶运动和水动力分析

将船舶的航行运动看成一个刚体运动，不考虑横纵摇和垂荡运动，计算方程式为：

公式中：g 表示船舶的质量；gx、gy表示船舶在x 轴和y 轴方向的附加质量；α 表示船舶纵荡速度；β 表示船舶横荡速度；γ 表示船舶艏摇角速度；X1、Y1分别表示x 轴和y 轴方向的推力；Ni表示推力矩；X2、Y2分别表示不同方向的水动力；N2表示水动力矩；X3、Y3表示不同方向的环境干扰力；N3表示环境干扰力矩；K1、K2分别表示横摇附加惯性矩和附加惯性矩。根据上述计算过程，实现对船舶运动和水动力的分析。

1.2 基于大数据构建船舶航迹智能跟踪模型

根据大数据体量大、类型多等基本特征，构建船舶航迹智能跟踪模型。已知长短期记忆人工神经网……