使用增强型 CNN-LSTM 网络进行飞行轨迹预测
原文约300字/词,阅读约需1分钟。发表于: 。本文提出了一种增强的 CNN-LSTM 网络作为战斗机飞行轨迹预测方法,该方法从空间和时间两个维度提取特征,通过模拟实验证明相比于原始的 CNN-LSTM 方法,预测精度提高了 32% 和 34%。
本研究提出了基于CNN-RNN混合特征融合建模的城市洪水预测方法,结合卷积神经网络和循环神经网络的优势,实现了静态和动态洪水预测。最佳模型为LSTM-DeepLabv3+,在各种雨量输入条件下预测精度最高,推理时间大大提高,约为基于物理模型的1/125。