一种基于神经网络的空间对象运动轨迹曲线预测方法技术

本发明专利技术提出一种基于神经网络的空间对象运动轨迹曲线预测方法，包括以下步骤：(1)将对象运动轨迹历史记录数据作为样本，形成评测基准数据等；(2)将贝塞尔曲线作为运动轨迹平滑的方法，在样本轨迹曲线上进行不同密度的轨迹坐标点采样，形成训练样本数据集；(3)在样本数据集上，使用成熟的基于神经网络的序列预测技术训练形成轨迹预测模型；(4)对比不同密度采样的样本上，上述轨迹预测模型的预测准确度，用采样点密度和预测准确度评价预测模型的有效性。本发明专利技术实施例的方法为空间对象运动轨迹预测提供了一种新型实用的方法，以减少采样点并保证预测准确性为目标，提供了一种基于历史运动轨迹样本自动生成预测模型的实用方法。

A prediction method of space object's trajectory curve based on Neural Network

【技术实现步骤摘要】
一种基于神经网络的空间对象运动轨迹曲线预测方法
本专利技术专利涉及基于人工智能技术的预测
，特别涉及一种基于神经网络和贝塞尔曲线构造的空间对象运动轨迹曲线预测方法。
技术介绍
目前，描述对象的空间动态轨迹，多采用的是数据可视化方式，即依据观测的原始数据，将对象在采样时刻的点位置坐标信息标注在三维坐标系中，将所有的点连接成为曲线，即可得到对象的运动轨迹。这样的曲线是数据可视化的一种重要形式，但是，显而易见，该方式对原始数据的依赖性非常强，该曲线与对象的实际轨迹的重合度很大程度上依赖于采集数据的密集度和精确性。同时，通过这种方式构建的曲线确实能看到对象的运动方式，但是数据量巨大，难以针对海量数据形成理想的分析机制，分析对象运动的趋势成因。因此，此类数据可视化方式适用于对运动结果进行评估，不适用于对对象的运动轨迹进行预测。如何找到通过尽量少的样本点，可重构空间对象的运动曲线，形成对运动轨迹的预测，是亟待解决的问题。随着空间对象检测信息系统的应用，积累了大量的空间对象运动轨迹记录数据，利用这些数据构建空间对象运动轨迹的预测模型成为解决空间本文档来自技高网...

【技术保护点】
1.一种基于神经网络的空间对象运动轨迹预测模型构建方法，其特征在于，包括以下步骤：/n(1) 将空间对象运动轨迹记录作为评测基准数据集；/n(2) 基于贝塞尔曲线构造方法，构造多类型密度采样的样本集；/n(3) 基于训练集，采用神经网络序列预测方法构造轨迹预测模型构建模型；/n(4) 将采样密度和预测模型的准确率组合形成对预测模型有效性评价的方法。/n

【技术特征摘要】
1.一种基于神经网络的空间对象运动轨迹预测模型构建方法，其特征在于，包括以下步骤：
(1)将空间对象运动轨迹记录作为评测基准数据集；
(2)基于贝塞尔曲线构造方法，构造多类型密度采样的样本集；
(3)基于训练集，采用神经网络序列预测方法构造轨迹预测模型构建模型；
(4)将采样密度和预测模型的准确率组合形成对预测模型有效性评价的方法。


2.根据权利要求1所述的方法，其特征在于，所述将空间对象运动轨迹记录作为评测基准数据包括：
(1)将对象运动轨迹记录中每个点表示为n维向量(n为轨迹点位置信息的维度)；
(2)将多维向量中的每一元数据规范为给定实数闭区间[b,u]内的数据。


3.根据权利要求1，2所述的方法，其特征在于，基于所述评测基准数据集，结合贝塞尔曲线平滑化方法，进一步包括：
(1)按照不同采样密度，对每一个运动轨迹上构造的评测基准数据进行连续采样，形成采样点；
(2)基于采样...

【专利技术属性】
技术研发人员：梁德祥，储瑞忠，张志政，张卓然，曾娅红，李军，毕红哲，张瑞峰，瞿崇晓，
申请(专利权)人：北京瀚科科技集团有限公司，南京飞鱼星计算机科技有限公司，
类型：发明
国别省市：北京;11