专利交易市场

一种船舶挂靠港预测技术，旨在解决现有技术中基于马尔科夫预测模型对船舶挂靠港进行预测的过程中忽略了船舶下一挂靠港与上一挂靠港存在关联这一实际变量，导致对船舶下一挂靠港预测精度较低的技术问题。本发明从AIS数据中提取船舶挂靠港时间序列，依据船型和吨位对该序列进行划分，筛选出特定船型、吨位的船舶，即竞争船队；计算船舶相邻挂靠港口间的挂靠频次，根据设定阈值从中筛选出竞争船队频繁挂靠港口，计算船队频繁挂靠港口间转移概率；结合船舶历史轨迹，从中选取关键航路点，建立基于关键航路点和当前挂靠港的隐马尔科夫预测模型。本发明建立的隐马尔科夫预测模型对船舶下一挂靠港与上一挂靠港的实际关联进行了分析，预测精度较高。

本发明公开了一种船舶轨迹预测方法、终端设备及存储介质，从地面数据集中获取长度为g的第一观察序列，将第一观察序列输入第一机器学习模型，得到长度为l的中间预测序列#imgabs0#从卫星数据集中观察到的长度为g的第二观察序列，将第二观察序列输入第二机器学习模型，得到长度为l的中间预测序列#imgabs1#从地面‑卫星混合数据集中选出相同轨迹段的长度为g的第三观察序列，将第三观察序列与中间预测序列#imgabs2#中间预测序列#imgabs3#进行融合，形成新融合输入数据#imgabs4#将新融合输入数据#imgabs5#作为第三机器学习模型的输入，得到预测结果。本发明解决了现有技术中多源数据带来的适应性差和预测精度低的问题。