粒子群优化的门控循环单元网络漂流浮标轨迹预测

来源：电子与信息学报杂志2024年第8期北京时间：

作者：刘凇佐, 王虔, 李磊, 李慧, 余赟

单位：1.哈尔滨工程大学水声技术重点实验室 哈尔滨 1500012.工业和信息化部海洋信息获取与安全工信部重点实验室(哈尔滨工程大学) 哈尔滨 1500013.哈尔滨工程大学水声工程学院 哈尔滨 1500014.哈尔滨工程大学三亚南海创新发展基地 三亚 5720245.中国石油大学(华东)海洋与空间信息学院 青岛 2665806.哈尔滨工程大学智能科学与工程学院 哈尔滨 1500017.海军装备研究院 北京 100161

摘要：该文针对漂流浮标的轨迹预测问题，提出一种基于深度学习框架的端对端预测模型。由于不同海域的水动力模型存在较大差异，针对海面漂流浮标的流体载荷计算也较为复杂。因此，该文根据漂流浮标历史轨迹形成的多维时间序列，提出更具有普适性的基于数据驱动的轨迹预测模型。该模型将粒子群优化算法(PSO)与门控循环单元(GRU)结合，使用PSO算法对GRU神经网络的超参数进行初始化，经过多次迁移迭代训练后获得最优漂流浮标轨迹预测模型。最后使用多个北大西洋真实漂流浮标轨迹数据进行验证，结果表明PSOGRU算法能够实现准确的漂流浮标轨迹预测。

关键词：漂流浮标, 轨迹预测, 粒子群优化, 门控循环单元

基金资助：国家自然科学基金(61803115)