摘要：在水漂垃圾轨迹预测过程中，针对多重影响因素导致漂移轨迹不确定性加剧的问题，提出一种多特征动态加权融合的水漂垃圾轨迹预测模型.首先，设计了多因素特征动态加权融合层，深入解析各因素间复杂的映射关系;其次，提出了一种双向时空加权注意力网络，对BiLSTM提取的特征进行加权融合，获得了更加丰富的漂移轨迹时序特征;最后，为充分整合不同输入因素与轨迹数据信息，提出了可学习非线性输出层，增强了模型的泛化能力和可靠性.鹦鸽嘴水库漂移轨迹数据集上的结果表明，较于基准模型，本文所提方法的R2指标提升了0.1085，MAE、MAPE和MBE指标减少了0.0112、3.715和0.000624，该方法能够充分融合多因素数据，实现较高精度的水漂垃圾轨迹预测，为水漂垃圾的打捞治理提供了一种较为可靠的模型.
文章目录
1 MBL-LSTM方法
1.1 BiLSTM基准模型介绍
1.2 多因素特征动态加权融合层MFF
1.3 双向时空加权注意力BSA
1.4 可学习非线性输出层设计LN
2 实验结果分析
2.1 数据集简介
2.2 实验环境及评价指标
2.3 消融实验分析
2.4 对比实验分析
2.5 黄河兰州段轨迹预测结果分析
3 总结
