一种基于LSTM网络的飞行器航迹预测方法技术

本发明专利技术公开一种基于LSTM网络的飞行器航迹预测方法，包括以下步骤：(1)读入飞行器航迹数据，并对数据进行归一化处理；(2)建立LSTM深度神经网络模型，设置神经网络的输入输出，step步数，LSTM层数以及每层神经元的个数；(3)设置评价指标为RMSE和MAE；(4)训练网络模型，调试相关参数使RMSE和MAE的值达到最小，即网络效果达到最优；(5)通过训练好的最优网络，输出飞行器的预测航迹。本发明专利技术可以快速有效的预测出飞行器未来一段时间内的飞行航迹，通过将LSTM网络应用于航迹预测问题中，通过大量的数据训练LSTM航迹预测模型，有效的提高航迹预测的鲁棒性和准确性。

A method of flight path prediction based on LSTM network

【技术实现步骤摘要】
一种基于LSTM网络的飞行器航迹预测方法
本专利技术属于算法设计类的软件
，尤其涉及一种基于LSTM网络的飞行器航迹预测方法。
技术介绍
航迹预测是空域交通管理中的一项重要技术，对飞行器的航迹实现精准的预测，是实现空域交通管理智能化的一个必要条件。精准的航迹预测可以提高空域交通管理的效率，而不准确的航迹预测会造成空域交通管理的混乱，增加飞行器的飞行危险系数。因此，飞行器的航迹预测具有重要的研究价值。传统的基于BP神经网络的航迹预测模型，实现了多维度的飞行器航迹特征预测。通常情况下，BP神经网络选取为3层，增加BP网络层数会增加其训练时间并且容易出现过拟合现象，因为其映射表示能力有限，导致BP参数难以调整，且在本质上BP网络容易使损失函数的训练结果落入局部最优点而不是全局最优点，因此该算法模型的泛化能力受到一定制约，且无法对时间序列上的变化进行建模。深度学习则可通过学习一种深层非线性网络结构，实现复杂函数逼近，具有从少数样本集中学习数据集本质特征的能力。循环神经网络RNN作为深度学习的一种典型模型，该模型善于处理时间序列数据本文档来自技高网...

【技术保护点】
1.一种基于LSTM网络的飞行器航迹预测方法，其特征在于：该算法包括以下步骤：/n步骤1)、获取飞行器过去时间和当前的航迹姿态数据，并对数据进行归一化处理，从而排除因数据值过大或过小对预测结果的影响；/n步骤2)、建立LSTM深度神经网络模型，设置神经网络的输入输出、step步长、LSTM层数以及每层神经元的个数，并将步骤1)中预处理后的数据表示成向量的形式，然后将表示成向量形式的数据划分成训练数据和测试数据，其中训练数据占其中的10％～20％，其余的为测试数据；/n步骤3)、选取对网络模型的评价指标为RMSE和MAE；/n步骤4)、使用步骤2)中的训练数据和对LSTM网络的设置，对LSTM网...

【技术特征摘要】
1.一种基于LSTM网络的飞行器航迹预测方法，其特征在于：该算法包括以下步骤：
步骤1)、获取飞行器过去时间和当前的航迹姿态数据，并对数据进行归一化处理，从而排除因数据值过大或过小对预测结果的影响；
步骤2)、建立LSTM深度神经网络模型，设置神经网络的输入输出、step步长、LSTM层数以及每层神经元的个数，并将步骤1)中预处理后的数据表示成向量的形式，然后将表示成向量形式的数据划分成训练数据和测试数据，其中训练数据占其中的10％～20％，其余的为测试数据；

【专利技术属性】
技术研发人员：郑征，杨凯乔，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11