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。