粒子群優(yōu)化的門控循環(huán)單元網(wǎng)絡(luò)漂流浮標軌跡預測

摘要： 該文針對漂流浮標的軌跡預測問題，提出一種基于深度學習框架的端對端預測模型。由于不同海域的水動力模型存在較大差異，針對海面漂流浮標的流體載荷計算也較為復雜。因此，該文根據(jù)漂流浮標歷史軌跡形成的多維時間序列，提出更具有普適性的基于數(shù)據(jù)驅(qū)動的軌跡預測模型。該模型將粒子群優(yōu)化算法(PSO)與門控循環(huán)單元(GRU)結(jié)合，使用PSO算法對GRU神經(jīng)網(wǎng)絡(luò)的超參數(shù)進行初始化，經(jīng)過多次遷移迭代訓... （共10頁）