Resumen

Para mejorar la precisión de la predicción de la trayectoria de los barcos, se adopta un método de descenso de gradiente de orden fraccionario en una red neuronal recurrente (RNN). Se demuestra la convergencia del algoritmo propuesto. Se considera la identificación del comportamiento de maniobra de los barcos, la información atmosférica y la información oceanográfica en la predicción del rumbo de la embarcación. Se predice la trayectoria del barco del Puerto de Xiamen utilizando el nuevo algoritmo. Se realiza un análisis de error con diferentes órdenes fraccionarios y grados de ocupación del tráfico. Los resultados muestran que el error de prueba y entrenamiento difiere con diferentes órdenes fraccionarios. Los resultados de la trayectoria predicha no solo pueden mejorar la eficiencia de la gestión del tráfico marítimo, sino también prevenir y advertir sobre accidentes de seguridad, para evitar accidentes.

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Precisión; Predicción de trayectoria de barcos; Método de descenso de gradiente de orden fraccional; Red neuronal recurrente; Comportamiento de maniobra de barcos; Información atmosférica; Información oceanográfica; Puerto de Xiamen; Análisis de errores; órdenes fraccionales; Grados de ocupación del tráfico; Eficiencia; Gestión del tráfico marítimo; Accidentes de seguridad.
• Keywords:Accuracy; Ship track prediction; Fractional-order gradient descent method; Recurrent neural network; Ship maneuvering behavior; Atmospheric information; Oceanographic information; Xiamen Port; Error analysis; Factional orders; Traffic busy degrees; Efficiency; Marine traffic management; Safety accidents.