स्वचालित पहचान प्रणाली डेटा आधारित जहाज की यात्रा की भविष्यवाणी: मल्टी-गेटेड अटेंशन एन्कोडर डिकोडर नेटवर्क

जहाज की यात्रा से प्राप्त समय-श्रृंखला डेटा का उपयोग करके उनके अगले आंदोलन की भविष्यवाणी करना समुद्री यातायात वातावरण में सुरक्षा को बढ़ाने के लिए महत्वपूर्ण है। स्वचालित पहचान प्रणाली (AIS) डेटा का लाभ उठाते हुए गहरे शिक्षण तकनीकों का आवेदन समुद्री यातायात अध्ययन में एक महत्वपूर्ण क्षेत्र के रूप में उभरा है। इस क्षेत्र में, जहाज की यात्राओं की सटीक भविष्यवाणी एक केंद्रीय चुनौती है। इस अध्ययन में, हम मल्टी-गेटेड अटेंशन एन्कोडर डिकोडर (MGAED) नेटवर्क का प्रस्ताव करते हैं, जो नहरों में जहाज की यात्राओं की भविष्यवाणी के लिए विशेषीकृत एन्कोडर-डिकोडर संरचना पर आधारित एक मॉडल है। यह मॉडल एक एन्कोडर के रूप में एक लंबी छोटी अवधि की याददाश्त नेटवर्क (LSTM) का उपयोग करता है, जिसे कई गेटेड पुनरावृत्ति इकाइयों (GRUs) और डिकोडर के लिए एक ध्यान तंत्र के साथ जोड़ा गया है। समय-श्रृंखला डेटा में दीर्घकालिक निर्भरता GRUs के माध्यम से कैप्चर की जाती है, जबकि ध्यान तंत्र कुंजी जानकारी को पकड़ने की क्षमता को मजबूत करने के लिए उपयोग किया जाता है, और विरल विशेषताओं को संभालने के लिए एक नरम थ्रेशोल्ड अवशिष्ट संरचना पेश की जाती है, इस प्रकार मॉडल की सामान्यीकरण क्षमता और मजबूती को बढ़ाती है। हमारे मॉडल की प्रभावशीलता मौजूदा गहरे शिक्षण मानकों के खिलाफ व्यापक मूल्यांकन द्वारा प्रमाणित की गई है। मौजूदा गहरे शिक्षण विधियों के साथ व्यापक तुलना प्रयोगों के माध्यम से, हमारा मॉडल भविष्यवाणी की सटीकता में महत्वपूर्ण सुधार दिखाता है, जिसमें औसत त्रुटि (MAE) में कम से कम 9.63% की कमी और औसत वर्ग त्रुटि (MSE) में कम से कम 20.0% की कमी शामिल है, जो जहाज यात्रा की भविष्यवाणी की सटीकता और दक्षता में सुधार के लिए एक नया समाधान प्रदान करता है।