来源：期刊VIP网 时间：
作者：马月红;曹彦敏;李超旺;赵;辰;周辉;赵慧亮;王晓成;李乾;
单位：石家庄铁道大学河北省交通电力网智能融合技术与装备协同创新中心;石家庄铁道大学电气与电子工程学院;陆军工程大学石家庄校区;国网河北省电力有限公司石家庄供电分公司;
摘要：针对现有的弹道落点预测方法误差大和气象变化适应不足的问题，建立了包含气象条件的弹道数据集，并提出了一种基于自注意力层的CNN-BiLSTM-BiGRU弹道落点预测方法。在所构建的组合模型中引入自注意力层和残差连接，加强模型在处理输入序列时动态关注不同时刻信息的能力，缓解网络中的梯度爆炸问题。采用多维时间序列数据的输入表示方法，结合历史弹道轨迹数据和目标特征等信息，减小弹道落点预测误差。仿真结果表明，基于自注意力层的CNN-BiLSTM-BiGRU网络模型的预测效果优于其他模型，射程预测的最大误差占真实值的0.156%,横偏预测的最大误差占真实值的5.904%。文中研究为弹道落点预测领域提供了重要的参考依据。
关键词：弹道落点预测;;深度学习;;弹道模型;;自注意力层;;卷积神经网络;;长短期记忆网络;;门控循环神经网络
基金资助：河北省重点研发计划项目(21350701D)
