Πρόβλεψη τροχιάς αεροσκάφους με την χρήση νευρωνικών δικτύων LSTM

Abstract

Το Long Short-Term Memory (LSTM) είναι μια αρχιτεκτονική ανατροφοδοτούμενου νευρωνικού δικτύου (RNN), το οποίο σχεδιάστηκε για να προσεγγίζει και να μοντελοποιεί χρονικές ακολουθίες και τις μεγάλου εύρους εξαρτήσεις τους με μεγαλύτερη ακρίβεια από άλλους τύπους RNN. Σε αυτή τη μελέτη, θα χρησιμοποιήσουμε LSTM RNNs για ταξινόμηση τροχιών πτήσεων. Όπως είπαμε, αυτός ο τύπος RNN είναι πολύ αποτελεσματικός για πρόβλεψη και ταξινόμηση ακολουθιών μεγάλου μήκους. Επίσης, θα εκμεταλλευτούμε και το γεγονός ότι τα RNN μπορούν να δεχθούν ως είσοδο ακολουθίες μεταβλητού μήκους. Θα επεξεργαστούμε και θα τροποποιήσουμε τα δεδομένα μες με σκοπό να μπορούμε να τα χρησιμοποιήσουμε στην ανάλυσή μας. Τα δεδομένα θα είναι το γεωγραφικό μήκος, το γεωγραφικό πλάτος και το υψόμετρο, η ταχύτητα, η υγρασία κτλ. Τέλος, θα κατασκευάσουμε το LSTM RNN και να βελτιστοποιήσουμε τις παραμέτρους του, ώστε να πετύχουμε αρκετά μεγάλη ακρίβεια και μετά θα παρουσιάσουμε τα αποτελέσματα.