11.轨迹预测，具体方法

基本确定思路了，基本就是用机器学习方法，估计比直接拟合准确度高

算法如下：

1.把数据处理成样本和标签，样本是某时刻t的经度、纬度、速度、方向等信息，标签是t+Δt时刻的位置（经度或纬度），仍然插值计算（线性插值）

2.把样本和标签输入机器学习模型，（选取机器学习模型是个问题，某些模型只能做二分类，某些模型需要信息较多，应该选取回归模型）

3.测试训练好的模型，统计误差。

4.调整参数，例如步长、层数、学习模型。

这些都是完成了bp算法的实验后写的，我还没尝试其他机器学习算法

问题是我在做毕业设计，我现在做这些只是现有技术的应用，创新不够。还需要从这个过程中挖两个有价值的细节做创新。

就算是机器学习，样本和标签之间也有某些内在关联，对于预测就是位置角度速度与将来位置的因果关系。

补充：如果把标签改成Δt时间段的位移是不是效果更好，这样能减小标签的取值范围。如果假设方向、速度固定，位移本来就是很容易算出来的，实际不固定，但是可以把造成波动的因素加进去，比如白天黑天，海域位置。学习难度应该会小一些。