【技术实现步骤摘要】
本申请涉及数据处理领域，具体而言，涉及一种信号预测方法、装置、电子设备及存储介质。
技术介绍
1、新能源的快速发展促进了海上风电、潮汐能等海洋能源的开发和利用。在海洋工程中，海缆属于重要的输电、通信和数据传输设备，其安全性和可靠性对于海洋工程的成功实施至关重要。现有技术中，通常基于船舶自动识别系统(automaticidentificationsystem，ais)信号对船舶是否产生海缆锚害事件进行检测，但由于ais信号容易受数据丢失干扰致使模型方法失效或准确性下降。现有技术通常使用传统的神经网络模型进行缺失点的预测，使得预测值的准确度不高。
技术实现思路
1、本申请实施例的目的在于提供一种信号预测方法，利用包括物理运动模型层的位置预测模型对待检测船只的ais信号序列中的缺失轨迹数据进行补全以及对已有轨迹数据的修正，以提高预测信号的准确性。
2、第一方面，本申请实施例提供一种信号预测方法，该方法包括：获取待检测船只的ais信号序列；利用位置预测模型对ais信号序列中的轨迹数据进行预测，以实现对ais信号序列中缺失轨迹数据的补齐和/或对已采集到的轨迹数据的修正，获得预测轨迹数据；基于预测轨迹数据生成预测ais信号序列；其中，位置预测模型包括依次连接的输入层、编码器层、解码器层、物理运动模型层和输出层；编码器层用于对ais信号序列进行特征提取，获得特征向量；解码器层用于基于特征向量进行预测，获得中间预测值；物理运动模型层用于基于船只在运动过程中的物理约束对中间预测值进行再次
3、本申请实施例通过利用包括物理运动模型层的位置预测模型对待检测船只的ais信号序列中的缺失轨迹数据进行补全和/或对已有轨迹数据的修正，以获得完整的ais信号序列。在这个过程中，利用位置预测模型对ais信号序列中的轨迹数据进行预测时，考虑了船只运动规律，使得预测值结合了船舶的因素，从而提高了预测ais信号序列的准确性。
4、在一些实施例中，通过以下方式对位置预测模型进行训练：获取训练样本；训练样本包括多个经掩码处理后的训练ais信号序列；将训练ais信号序列输入位置预测模型中，通过位置预测模型的神经网络层对ais信号序列进行第一次预测，获得第一预测值；通过位置预测模型的物理运动模型层基于船只在运动过程中的物理约束对第一预测值进行再次预测，获得第二预测值；物理约束基于训练ais信号序列中的轨迹点的属性信息生成；物理约束包括位置点约束、速度约束、加速度约束、对地航向约束、对地速度约束中的至少一个；根据训练ais信号序列、第一预测值和第二预测值利用损失函数计算总损失值；根据总损失值更新位置预测模型中的网络参数。
5、本申请实施例在训练位置预测模型时，使用的训练样本是经掩码处理后的ais信号序列，对样本进行掩码处理能够使模型关注重要的特征，减少对不相关特征的依赖，并且增加了训练数据的多样性，为提高模型性能打下基础。再有，位置预测模型的物理运动模型层的训练受至少一个物理约束的影响，使得训练过程考虑船舶物理运动的因素，进一步提高位置预测模型的性能。最后，损失函数考虑了掩码处理后的训练ais信号序列、神经网络层的第一预测值以及物理运动模型层的第二预测值，使得基于不同阶段的输出值对位置预测模型的参数进行调整，使位置预测模型能够更好地拟合训练数据，从而提高模型性能，增强模型的预测能力。
6、在一些实施例中，训练ais信号序列通过如下方式生成：获取历史ais信号序列；对历史ais信号序列中的每个轨迹数据进行归一化处理，获得标准历史ais信号序列；对标准历史ais信号序列中的预设数量的轨迹数据进行掩码处理，获得历史掩码ais信号序列；基于历史掩码ais信号序列生成训练ais信号序列。
7、本申请实施例通过归一化处理避免了历史ais信号序列中各轨迹点的不同属性的量纲干扰，便于模型收敛加速及性能提升。通过对归一化后的轨迹数据进行掩码处理，增加了训练数据的多样性，以此增加训练难度，为提高模型性能打下基础。
8、在一些实施例中，该方法还包括：获取雷达信号序列；将预测ais信号序列和雷达信号序列进行加权融合，生成融合信号序列。
9、本申请实施例考虑到船只通常包括雷达设备，因此，将雷达信号与预测ais信号进行融合，实现最大程度上的数据之间的互补，提高数据的准确度和多样性，便于后续该融合数据的使用。
10、在一些实施例中，获取待检测船只的ais信号序列，包括：获取待检测船只的原始ais信号序列；对原始ais信号序列中每个轨迹数据进行归一化处理，获得标准轨迹数据；基于标准轨迹数据生成ais信号序列。
11、本申请实施例通过对获取的原始ais信号序列中的每个轨迹数据进行归一化处理，避免了原始ais信号序列中各轨迹点的不同属性的量纲干扰，以提高预测值的准确性。
12、在一些实施例中，在基于预测轨迹数据生成预测ais信号序列之后，该方法还包括：将ais信号序列和预测ais信号序列进行加权融合，生成校准后的ais信号序列。
13、本申请实施例考虑到ais信号序列易受环境等影响导致获取的ais信号序列中的轨迹数据存在数据准确度不高的问题，而通过模型预测出的数据是通过对历史数据进行学习并基于一定的数字模型推算出来的，代表的是估计值。因此，通过将预测ais信号序列和获取的ais信号序列进行加权融合，以对获取的ais信号序列进行校准，以增加ais信号序列的准确性。
14、在一些实施例中，在生成校准后的ais信号序列之后，该方法还包括：基于校准后的ais信号序列对待检测船只是否产生锚害事件进行检测。
15、本申请实施例中，利用校准后的ais信号序列对待检测船只是否产生锚害事件进行检测，提高了锚害事件检测的准确性和及时性。
16、第二方面，本申请实施例提供一种信号预测装置，该装置包括：获取模块，用于获取待检测船只的ais信号序列；预测模块，用于利用位置预测模型对ais信号序列中的轨迹数据进行预测，以实现对ais信号序列中缺失轨迹数据的补齐和/或对已采集到的轨迹数据的修正，获得预测轨迹数据；生成模块，用于基于预测轨迹数据生成预测ais信号序列；其中，位置预测模型包括依次连接的输入层、编码器层、解码器层、物理运动模型层和输出层；编码器层用于对ais信号序列进行特征提取，获得特征向量；解码器层用于基于特征向量进行预测，获得中间预测值；物理运动模型层用于基于船只在运动过程中的物理约束对中间预测值进行再次预测，获得预测ais信号序列。
17、第三方面，本申请实施例提供一种电子设备，包括：处理器、存储器、存储介质和总线，其中，所述处理器和所述存储器通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行第一方面的方法步骤。
18、第四方面，本申请实施例提供一种非暂态计算机可读存储介质，包括：所述计算机可读存储介质存储计算机指令，本文档来自技高网...
【技术保护点】
1.一种信号预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，通过以下方式对所述位置预测模型进行训练：
3.根据权利要求2所述的方法，其特征在于，所述训练AIS信号序列通过如下方式生成：
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述获取待检测船只的AIS信号序列，包括：
6.根据权利要求1-5任一所述的方法，其特征在于，在所述基于所述预测轨迹数据生成预测AIS信号序列之后，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，在所述生成校准后的AIS信号序列之后，所述方法还包括：
8.一种信号预测装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述的信号预测方法。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计
...【技术特征摘要】
1.一种信号预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，通过以下方式对所述位置预测模型进行训练：
3.根据权利要求2所述的方法，其特征在于，所述训练ais信号序列通过如下方式生成：
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述获取待检测船只的ais信号序列，包括：
6.根据权利要求1-5任一所述的方法，其特征在于，在所述基于所述预测轨迹数据生成预测ais信号序列之后，所述方法还...
【专利技术属性】
技术研发人员：徐荣图，杨光，姚震洋，陈科新，
申请(专利权)人：苏州光格科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。