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！

龙图腾网获悉北京工业大学申请的专利内河船舶AIS缺失数据拟合补偿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：CN116431995B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202310250177.6，技术领域涉及：G06F18/15；该发明授权内河船舶AIS缺失数据拟合补偿方法是由王燕霞;甘少君;叶劲松;梁山;陈艳艳设计研发完成，并于2023-03-15向国家知识产权局提交的专利申请。

本内河船舶AIS缺失数据拟合补偿方法在说明书摘要公布了：本发明公开了内河船舶AIS缺失数据拟合补偿方法，本发明基于已有船舶AIS训练数据集构建隐含层神经元相互正交的编码器模型，利用PSO算法优化神经元的权重和偏差，并逐个添加到编码器网络模型的隐含层中；本方法可以最大程度上提取AIS历史数据的特征变量，并根据特征变量进一步预测AIS缺失数据。与现有技术相比，本发明具有模型结构简单、预测精度高的特点。

本发明授权内河船舶AIS缺失数据拟合补偿方法在权利要求书中公布了：1.内河船舶AIS缺失数据拟合补偿方法，该方法的实施过程如下， 已有船舶AIS训练数据集{X,Y}，其中X∈RN*M为表示已知的AIS历史数据，N为AIS历史数据的样本数，M为维度；Y＝{Yj}表示需要预测的AIS缺失数据，j＝1,2,…Q，Q为AIS缺失数据的个数；构建具有输入层、隐含层和输出层的编码器网络模型，P＝Ps表示隐含层的神经元，s＝1,2,…,S，S为隐含层神经元的数量，即从AIS历史数据中获得的特征变量个数；根据OLS理论，则得到AIS特征变量Ψ＝X·P，其中且AIS特征变量的相应参数ω＝[ω1,ω2,…ωS]由以下公式计算： ω＝Ψ·A-1 其中为中间参数；利用PSO算法优化神经元的权重和偏差，并逐个添加到编码器网络模型的隐含层中； S1、向编码器网络模型的隐含层中加入第一个神经元；首先利用PSO算法随机生成一组粒子{Pi,r},其中D代表候选神经元的数量，1≤i≤D,1≤r≤R，R代表PSO算法迭代的最大值，；Pi,r为第r次迭代中的第i个粒子，表示神经元的权重和偏差，则根据OLS理论，每个粒子Pi,r的贡献度为： 其中 选取令贡献度值最大的粒子并标记为即第r次迭代中的第i个粒子Pi,r被选为隐含层神经元的权重和偏差；得到AIS数据的第一个特征变量和相应参数ω1； S2、向隐含层中加入第二个神经元；利用PSO算法随机生成一组新的粒子{Pi,r},Pi,r为第r次迭代中的第i个粒子，每个粒子表示第二个候选神经元的权重和偏差；则根据OLS理论，每个粒子Pi,r的贡献度为： 其中 选取令贡献度值最大的粒子并标记为即r次迭代中的第i个粒子Pi,r为第二个隐含层神经元的权重和偏差；得到AIS数据的第二个特征变量和相应参数ω2； S3、向隐含层中加入第t个神经元；利用PSO算法随机生成一组新的粒子{Pi,r},Pi,r为第r次迭代中的第i个粒子，每个粒子表示第t个候选神经元的权重和偏差；则根据OLS理论，每个粒子Pi,r的贡献度为： 其中 选取令贡献度值最大的粒子并标记为即r次迭代中的第i个粒子Pi,r为第t个隐含层神经元的权重和偏差；得到AIS数据的第t个特征变量和相应参数ωt； S4、重复S3，向神经网络中逐次加入隐含神经元，直到隐含层中的神经元数量达到最大值S或是错误率小于某阈值Υ： 至此，编码器网络模型构建完成； S5、当船舶在航行过程中，若AIS数据缺失，则根据所建立的编码器网络模型实现对AIS缺失数据的准确预测。

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工业大学，其通讯地址为：100024 北京市朝阳区平乐园100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”。