买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京航空航天大学申请的专利一种基于生成对抗网络和长短时记忆网络的航迹预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118982118B 。

龙图腾网通过国家知识产权局官网在2025-06-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411071054.7，技术领域涉及：G06Q10/04；该发明授权一种基于生成对抗网络和长短时记忆网络的航迹预测方法是由张坤设计研发完成，并于2024-08-06向国家知识产权局提交的专利申请。

本一种基于生成对抗网络和长短时记忆网络的航迹预测方法在说明书摘要公布了：本发明公开了一种基于生成对抗网络和长短时记忆网络的多意图航迹预测方法，属于人工智能时序预测技术领域，包括：针对时序预测问题，提出了一种基于生成对抗网络和长短时记忆网络的多意图航迹预测方法，针对航迹预测任务中存在的轨迹数据缺失、长期依赖、梯度消失以及训练数据有限、实时性和泛化能力不强的问题，提出了小样本数据增强与小样本意图识别，以及利用数据之间的时空关联性和历史信息进行轨迹补全的航迹预测方法，同时保证了轨迹预测算法的快速性、鲁棒性和准确性；构造了能够对原始数据进行扩充的GAN网络和对轨迹进行补全的LSTM网络。

本发明授权一种基于生成对抗网络和长短时记忆网络的航迹预测方法在权利要求书中公布了：1.一种基于生成对抗网络和长短时记忆网络的航迹预测方法，其特征在于，包括如下步骤： S1、读取采集数据并进行数据清洗； S2、针对轨迹缺失数据进行多项式拟合插补；利用已知数据构建拟合多项式来填补缺失轨迹数据；拟合多项式为： 其中，Ym是预测的因变量值，α0是截距项，αi是回归系数，Xi是X中第i个自变量的值，N是数据总数； S3、将三维轨迹特征数据进行归一化处理；将原始数据映射到区间[0,1]的归一化公式为： 其中，下标x为轨迹向量中第x维数据，下标i为第i个数据，f′为经过映射变换后的值，f为变换前的值，f′xi表示第x维中第i个原始数据值fxi经过归一化处理后的值；F为变换前所有向量的集合，即F＝{f1,f2,…,fi,…,fN}，Fx为变换前所有向量的集合中的第x维数据，N为数据总数； S4、处理小样本数据集；根据意图对小样本数据集进行分割，将意图相同的航迹，保持其时间顺序提取至新数据集，使得分割后的数据集仅包含单类意图数据； S5、构建TimeGAN网络；TimeGAN网络包括五部分，分别为生成网络、嵌入网络、恢复网络、鉴别网络和监督网络；每个网络的结构都为24层循环神经网络加全连接层构成； S6、构建损失函数，依次进行嵌入训练和监督训练； S7、构建联合损失函数，进行联合训练； S8、构建隐含层LSTM网络，预测轨迹； S9、构建输出全连接层，获得三维坐标预测轨迹； 在步骤S6中，首先给出输入X和噪声Z在通过不同网络后的输出表示；其中，噪声Z为输入数据X形状一致的0至1均匀分布的随机噪声；输入X经过嵌入网络得到的输出用H表示，H经过恢复网络得到的输出用表示，H经过监督网络得到的输出用表示，H经过鉴别网络得到的输出用Yreal表示；噪声Z经过生成网络得到的输出用表示，经过监督网络得到的输出用表示，经过恢复网络得到的输出用表示，经过鉴别网络得到的输出用Yfake表示，经过鉴别网络得到的输出用Yefake表示； 在步骤S7中，首先计算Yfake和与Yfake相同形状的全1向量的交叉熵损失，其次计算Yefake和与Yefake相同形状的全1向量的交叉熵损失，其中用于将任意实数映射到0,1区间内，N是样本的总数，Yfake,i是Yfake中第i个样本的的预测值，Yefake,i是Yefake中第i个样本的的预测值；计算GGloss＝gloss+glossfr+glossfre，采用adam优化器对GGloss更新参数 其中，θ3为需要更新的参数，包括eg和es，α表示学习率，是一个超参数，用于控制每次更新的步长大小；为梯度的无偏估计，用于指导参数更新的方向；为梯度的无偏估计的方差；∈为一个很小的正数，用于数值稳定性，防止分母为零。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。