一、项目演示视频

b站演示视频与部署教程视频(点击这里)
https://www.bilibili.com/video/BV1gvGy63EjP/?share_source=copy_web&vd_source=31c839f46a9a845dd6dd641cbd5c2ac1

项目简介

本项目是一个基于深度学习的船舶航行轨迹智能预测与分析平台，面向单船轨迹预测、批量轨迹预测、实时轨迹监测与偏差告警等场景。系统集成了数据集管理、模型管理、轨迹预测、大模型航行分析、模型评估、船舶资源管理、管理控制台与可视化大屏等功能，构建了一个完整的航海轨迹预测与分析服务平台。

二、技术栈

1. 前端技术栈 (web-vue)
   核心框架: Vue 3.5
   UI组件库: Element Plus 2.9
   状态管理: Pinia
   路由管理: Vue Router 4
   HTTP客户端: Axios
   图表可视化: ECharts 5
   地图: 高德地图 JS API 2.0
   构建工具: Vite 6 + TypeScript

2. 后端+算法端技术栈 (web-flask)
   核心框架: Flask (Python)
   数据库: SQLite 3
   身份认证: JWT
   深度学习: PyTorch (LSTM/GRU/Transformer/CNN-LSTM/DLinear)
   大语言模型: 通义千问 qwen3.6-flash
   文档生成: python-docx + matplotlib
   数据处理: pandas、numpy、scikit-learn

三、功能模块

核心创新点

1. 多架构轨迹预测: 支持 LSTM、GRU、Transformer、CNN-LSTM、DLinear 五种深度学习模型
2. 三种预测模式: 单轨迹 CSV 预测、批量多文件预测、实时分步监测预测
3. 大模型航行分析: 基于通义千问对预测轨迹进行六维度智能分析，支持预测点位级分析
4. Word 检测报告: 单轨迹 AI 分析完成后可导出含航迹图与完整分析内容的 Word 文档
5. 实时偏差告警: 模拟/地图选点推进监测，超阈值自动生成告警快照并支持 LLM 分析
6. 可视化大屏: 科技风全屏地图展示在册船舶、未处理告警、趋势图表与实时动态
7. 模型评估体系: 上传带真值 CSV，自动计算 MAE/MSE/RMSE/R² 等指标，支持用户评分
8. 分层权限管理: 管理员与普通用户分权，数据按用户隔离

核心功能模块

1. 用户管理: 支持用户注册、登录、权限管理、个人信息管理
2. 数据集管理: 支持上传 ZIP 格式航海轨迹数据集，自动验证 train/valid/test 结构
3. 模型管理: 支持创建模型、上传权重、训练曲线/日志管理、模型发布
4. 单轨迹预测: 上传 CSV 执行预测，地图展示历史/预测轨迹，AI 六区块分析，Word 导出
5. 批量轨迹预测: 多 CSV 批量预测，汇总报告导出
6. 实时轨迹预测: 选择船舶与模型分步监测，偏差超阈值产生告警，支持 LLM 分析
7. 船舶管理: 在册船舶 CRUD，历史轨迹维护，CSV 导入
8. 模型评估: 上传带真值 CSV 评估模型，计算精度指标，用户评分评语
9. 管理控制台与可视化大屏: 多维统计图表、地图展示、实时告警动态

应用场景

1. 航线规划辅助: 基于历史 AIS 轨迹预测未来航位
2. 偏航监测预警: 实时对比预测轨迹与模拟/实际位置
3. 批量船队分析: 多条船舶轨迹 CSV 批量预测与汇总
4. 模型对比评估: 不同架构模型在同一真值数据上的量化对比
5. 教学演示: 预置数据集、五类预训练模型与演示船舶

四、项目链接

羊羊小栈-航海轨迹预测分析预警系统(多时序模型预测_大模型分析).zip
链接: https://pan.baidu.com/s/1ygyNSRuNyCrGJqsL6T7HNA?pwd=249h 提取码: 249h

1. 完整系统源码
   (1)前端源码(web-vue)
   (2)后端+算法端源码(web-flask)
   (3)模型训练代码(other/model_train/prediction)
2. 项目启动教程
   (1)环境安装教程(视频+文档)
   (2)系统启动教程(视频+文档)
3. 项目介绍文档
   (1)项目概述
   (2)项目技术栈
   (3)项目目录结构
   (4)核心功能模块介绍
   (5)API接口文档
4. 系统PPT
   (1)系统架构图、架构交互图
   (2)算法模块流程图
   (3)单轨迹/批量/实时预测时序图
   (4)数据流图
   (5)UML类图
   (6)功能模块概要图、功能模块图
   (7)数据库ER图
   (8)训练过程图
   (9)验证指标图
   (10)预测效果图
5. 系统使用注意事项
6. 模型训练文档
7. 数据库开发文档
   (1)数据库表详细设计结构
   (2)建表SQL语句
8. 系统文档
   (1)介绍
   (2)相关技术与理论
   (3)系统需求分析
   (4)系统总体设计
   (5)系统设计与实现
   (6)模型训练与性能评估
   (7)系统测试
9. 航海轨迹预测数据集
   (1)训练集：7340 个 CSV 轨迹文件
   (2)验证集：1573 个 CSV 轨迹文件
   (3)测试集：1574 个 CSV 轨迹文件
   (4)滑窗样本（seq_length=30, pred_length=10）：
   • 训练样本：259412
   • 验证样本：56271
   • 测试样本：56508
     (5)数据集 CSV 各列含义：
   • Longitude：经度
   • Latitude：纬度
   • Speed_Knots：航速，单位节
   • Heading_Degrees：航向角，单位度，正北为0°顺时针
   • Timestamp：Unix 时间戳（秒）
   • DateTime：可读时间，格式 yyyy-MM-dd HH:mm:ss
   • MMSI：船舶海上移动业务标识码
   • heading_sin：航向角正弦值
   • heading_cos：航向角余弦值
10. 已经训练好的五类模型权重，测试集精度如下（56508 个测试样本）：[MAE、MSE、RMSE指标越小越好; R²指标越接近1越好]
    (1)LSTM: MAE=0.1738, MSE=0.1102, RMSE=0.3319, R²=0.9960
    (2)GRU: MAE=0.1846, MSE=0.1202, RMSE=0.3467, R²=0.9957
    (3)Transformer: MAE=0.1556, MSE=0.0956, RMSE=0.3092, R²=0.9970
    (4)CNN-LSTM: MAE=0.1719, MSE=0.1018, RMSE=0.3191, R²=0.9966
    (5)DLinear: MAE=0.2481, MSE=0.2231, RMSE=0.4724, R²=0.9913