一种基于多模态神经网络与自适应LSTM的船舶进出港预测方法

本发明公开了一种基于多模态神经网络与自适应LSTM的船舶进出港预测方法，包括以下步骤：S1.数据收集，包括船位数据、环境数据和历史进出港数据；S2.数据预处理，包括对数据进行清洗和标准化；S3.对各类数据进行特征提取优化；S4.进行多模态数据融合，包括数据拼接融合、数据加权融合和数据深度融合；S5.训练和构建自适应LSTM模型，自适应LSTM模型预测船舶进港、出港行为和时间；S6.评估与优化自适应LSTM模型；S7.实时预测与调度；S8.动态预测并提供调度建议。本发明基于船位数据、环境数据和历史进出港数据，使用多模态神经网络进行数据融合，构建基于自适应LSTM的进出港预测模型，提高了预测的准确性和实时性。