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！

龙图腾网获悉天津大学申请的专利一种基于可解释人工智能的船舶航行行为预测方法及系统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：CN121191361B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202511735321.0，技术领域涉及：G08G3/00；该发明授权一种基于可解释人工智能的船舶航行行为预测方法及系统是由鲍可馨;高邈;张安民;毕金强;张文嘉;曲径;闫涛;史佩儒;董淘宁设计研发完成，并于2025-11-25向国家知识产权局提交的专利申请。

本一种基于可解释人工智能的船舶航行行为预测方法及系统在说明书摘要公布了：本发明涉及船舶航行行为预测技术领域，公开了一种基于可解释人工智能的船舶航行行为预测方法及系统。包括：获取目标海域内船舶AIS历史数据和历史海洋环境数据；基于时间尺度和空间尺度，对所述船舶AIS历史数据和所述历史海洋环境数据进行融合，构建时空数据集；将所述时空数据集的静态变量和时变变量进行特征解耦，确定历史输入数据、已知未来输入数据和静态输入数据；基于动态门控残差神经网络、时空特征变量选择网络、傅里叶分析门控神经单元和可解释多头注意力机制构建可解释时空融合神经网络模型，以精准预测船舶轨迹、对地航速与对地航向等船舶航行行为，输出航行行为影响因素权重可视化结果，具有可解释性。

本发明授权一种基于可解释人工智能的船舶航行行为预测方法及系统在权利要求书中公布了：1.一种基于可解释人工智能的船舶航行行为预测方法，其特征在于，包括如下步骤： 获取目标海域内船舶AIS历史数据和历史海洋环境数据； 基于时间尺度和空间尺度，对所述船舶AIS历史数据和所述历史海洋环境数据进行融合，构建时空数据集； 将所述时空数据集的静态变量和时变变量进行特征解耦，确定历史输入数据、已知未来输入数据和静态输入数据； 基于动态门控残差神经网络、时空特征变量选择网络、傅里叶分析门控神经单元和可解释多头注意力机制构建可解释时空融合神经网络模型；其中，所述时空特征变量选择网络以动态门控残差神经网络为底层架构，时空特征变量选择网络、傅里叶分析门控神经单元以及可解释多头注意力机制依次连接，并基于所述历史输入数据、所述已知未来输入数据和所述静态输入数据对所述可解释时空融合神经网络模型进行训练，得到船舶航行行为预测模型； 将目标海域内船舶AIS实测数据、实测海洋环境数据输入至所述船舶航行行为预测模型，输出航行行为影响因素权重可视化结果、船舶轨迹、对地航速与对地航向的预测信息； 所述基于动态门控残差神经网络、时空特征变量选择网络、傅里叶分析门控神经单元和可解释多头注意力机制构建可解释时空融合神经网络模型，包括： 所述历史输入数据、所述已知未来输入数据和所述静态输入数据分别构建对应的动态门控残差神经网络； 时空特征变量选择网络以动态门控残差神经网络为底层架构；动态门控残差神经网络对历史输入数据、已知未来输入数据和静态输入数据进行降噪处理，所述时空特征变量选择网络基于动态门控残差神经网络实现对降噪后的静态变量和时变变量的加权处理； 根据所述时空特征变量选择网络对降噪后的所述历史输入数据、所述已知未来输入数据和所述静态输入数据，进行加权处理，确定所述静态变量和所述时变变量对应的变量权重； 根据所述变量权重，在所述静态变量和所述时变变量中，确定目标变量； 采用傅里叶分析门控神经单元对所述时变变量进行解析，确定船舶航行行为在时序数据中的依赖关系； 确定所述时空数据集的动态特征，基于可解释多头注意力机制将所述静态变量和所述动态特征进行结合，确定所述时空数据集全局特征的多头注意力权重； 以所述目标变量、所述依赖关系以及所述多头注意力权重为计算参数，确定用于预测船舶航行行为的目标函数，构建可解释时空融合神经网络模型。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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”。

以上内容由龙图腾AI智能生成。