CN119004358B 一种基于大模型的舰船航迹预测系统及方法 （北京瞰天科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119004358B(45)授权公告日2025.07.04

(21)申请号202411004353.9

(22)申请日2024.07.25

(65)同一申请的已公布的文献号申请公布号CN119004358A

(43)申请公布日2024.11.22

(73)专利权人北京瞰天科技有限公司

地址100000北京市海淀区西北旺镇唐家

岭村南2号院7幢房7111

(72)发明人姜艳川王振刚程贺军李富强尹晓琛

(74)专利代理机构北京四方智汇知识产权代理事务所(普通合伙)16223

专利代理师叶剑

(51)Int.CI.

GO6F18/25(2023.01)

GO6F18/213(2023.01)

GO1C21/20(2006.01)

GO6N3/0464(2023.01)

GO6N5/04(2023.01)

GO6N3/0985(2023.01)

(56)对比文件

CN117520874A,2024.02.06

US2024232648A1,2024.07.11审查员黄攀

权利要求书4页说明书11页附图2页

(54)发明名称

一种基于大模型的舰船航迹预测系统及方

法

(57)摘要

CN119004358B本发明公开了一种基于大模型的舰船航迹预测系统及方法，涉及海洋智能导航技术领域，包括，通过多渠道收集多模态数据；对多模态数据分别进行特征提取，输出融合的环境感知特征；基于融合的环境感知特征构建异常检测模型，将融合的环境感知特征向量输入异常检测模型，通过因果推理算法识别和过滤异常数据，输出纯净特征；利用元学习机制和纯净特征构建元学习模型，将纯净特征输入元学习模型，通过快速适应特定舰船行为模式的子模型，输出个性化预测模型；将个性化预测模型与实时数据相结合，通过大模型进行舰船航迹预测，输出预测航迹；建立安全决策辅助系统，将预测航迹与航行

CN119004358B

CN119004358B权利要求书1/4页

2

1.一种基于大模型的舰船航迹预测方法，其特征在于：包括，

通过多渠道收集多模态数据；所述多模态数据，包括非结构化文本描述、历史航迹、环境条件、雷达图像和声纳信号；

对多模态数据分别进行特征提取，输出融合的环境感知特征；

基于融合的环境感知特征构建异常检测模型，将融合的环境感知特征向量输入异常检测模型，通过因果推理算法识别和过滤异常数据，输出纯净特征；

利用元学习机制和纯净特征构建元学习模型，将纯净特征输入元学习模型，通过快速适应特定舰船行为模式的子模型，输出个性化预测模型；

将个性化预测模型与实时数据相结合，通过大模型进行舰船航迹预测，输出预测航迹；

建立安全决策辅助系统，将预测航迹与航行规则进行对比，当预测结果超出安全阈值时，触发警报并向舰船提供安全建议；

所述输出纯净特征，具体步骤为：

使用多元高斯分布、信息熵、结合因果推理中的潜在因果变量模型LCM来构建异常检测模型，异常检测模型表达式为：

其中，A(Z)表示异常检测模型的输出，表示积分符号，μ表示均值向量，2表示协方差矩阵，N(Z;μ,∑)表示多元高斯分布函数，1(Z)表示信息过滤函数，exp(-1(Z))表示指数函数，du为微分元素，表示积分变量μ的微小变化；

信息过滤函数1(Z)表达式为：

其中，p表示第i个特征出现的概率，n表示Z;中特征的数量，1og表示自然对数函数，当

p.越小，1og绝对值越大，λ表示正则化参数，,2;=1表示对从1到m的所有项进行求和，m表示

中特征的数量，Z表示Z中第j个特征的实际观见测值，;表示第j个特征的期望值，q表示指数运算；

所述输出个性化预测模型，具体步骤为：

设定元学习结构由一个共享的基础模型和一系列任务的子模型组成；

设定每艘舰船为k,然后构建一个子模型，通过历史舰船航迹数据快速适应舰船k的特定行为模式；

基于舰船和基础模型P,构建适应性度量函数，表达式为：

其中，R(P,Z)表示舰船k在纯净特征Z和预测P下的可靠性度量，P表示基础模型的预测结果，Z表示航船k的纯净特征集合，T表示时间步长总数，d(t)表示在时间t处的偏差，αk

CN119004358B