基于PSO的BP神经网络-Markov船舶交通流量预测模型 被引量：19

1

作者 范庆波 江福才 +1 位作者 马全党 马勇 《上海海事大学学报》 北大核心 2018年第2期22-27,54,共7页

为对船舶交通流量进行准确预测,结合BP神经网络和Markov算法,构建BP神经网络-Markov预测模型。引入粒子群优化(particle swarm optimization,PSO)算法对模型进行优化,克服利用Markov模型选取白化系数的不足。用该模型预测武汉长江大桥... 为对船舶交通流量进行准确预测,结合BP神经网络和Markov算法,构建BP神经网络-Markov预测模型。引入粒子群优化(particle swarm optimization,PSO)算法对模型进行优化,克服利用Markov模型选取白化系数的不足。用该模型预测武汉长江大桥船舶交通流量的月度数据,结果表明:与BP神经网络的预测精度82.439 0%相比,基于PSO的BP神经网络-Markov预测模型的预测精度提高到91.050 8%,该模型的合理性和准确性得到验证。 展开更多

关键词 船舶交通流量预测 BP神经网络 马尔科夫模型(Markov模型) 粒子群优化(PS0)

下载PDF 职称材料

船舶交通量的BP神经网络-马尔科夫预测模型 被引量：14

2

作者 吕鹏飞 庄元 +1 位作者 李洋 杨坤 《上海海事大学学报》 北大核心 2017年第2期17-21,28,共6页

为提高船舶交通量的预测精度,在BP神经网络的基础上结合马尔科夫预测模型建立一个新的预测模型.采用通过长江九江大桥的月度船舶交通量数据进行模型训练、验证和预测,求出相对残差值,将相对残差的前8项归一化后划分为3个状态,利用马尔... 为提高船舶交通量的预测精度,在BP神经网络的基础上结合马尔科夫预测模型建立一个新的预测模型.采用通过长江九江大桥的月度船舶交通量数据进行模型训练、验证和预测,求出相对残差值,将相对残差的前8项归一化后划分为3个状态,利用马尔科夫预测模型修正BP神经网络的预测值.该新模型将BP神经网络的相对残差值区间从[-12.9%,12.3%]降低至[-9.9%,5.4%].该模型能提高船舶交通量的预测精度,用于预测船舶交通量是可行的. 展开更多

关键词 船舶交通量 BP神经网络 马尔科夫预测模型

下载PDF 职称材料

基于灰色马尔科夫模型的船舶交通流预测 被引量：13

3

作者 刘成勇 万伟强 +1 位作者 陈蜀喆 甘浪雄 《中国航海》 CSCD 北大核心 2018年第3期95-100,共6页

鉴于船舶交通流预测的复杂性,利用单一的灰色预测方法难以对其做出准确预测,考虑交通流量的波动性,将灰色预测理论和马尔科夫预测方法结合以建立灰色马尔科夫预测模型,利用该模型对长江口河段的船舶交通流量进行预测分析。研究结果表明... 鉴于船舶交通流预测的复杂性,利用单一的灰色预测方法难以对其做出准确预测,考虑交通流量的波动性,将灰色预测理论和马尔科夫预测方法结合以建立灰色马尔科夫预测模型,利用该模型对长江口河段的船舶交通流量进行预测分析。研究结果表明:灰色马尔可夫链模型的预测结果较单一的灰色预测结果更接近实际值,相对误差较小且具有较高的拟合精度,对于具有一定波动性和随机性的船舶交通流有较高的预测精度,可应用于实际船舶交通流量预测研究中。 展开更多

关键词 灰色预测 马尔科夫模型 船舶交通流 预测

下载PDF 职称材料

基于回归-卡尔曼滤波组合模型的航道整治区域船舶交通流时空预测 被引量：11

4

作者 张矢宇 杨宇昊 +2 位作者 陈尘 杨云超 李发亮 《大连海事大学学报》 CAS CSCD 北大核心 2021年第1期37-44,共8页

为分析及预测工程不同阶段航道整治区域船舶交通流量变化,通过确立研究断面,获取交通流数据,对研究断面处的船舶交通流时空特性进行分析.基于现有数据,将回归模型预测值替代卡尔曼滤波模型中的状态转移值,建立回归-卡尔曼滤波组合模型,... 为分析及预测工程不同阶段航道整治区域船舶交通流量变化,通过确立研究断面,获取交通流数据,对研究断面处的船舶交通流时空特性进行分析.基于现有数据,将回归模型预测值替代卡尔曼滤波模型中的状态转移值,建立回归-卡尔曼滤波组合模型,在卡尔曼滤波模型预测具有实时性的基础上,提高预测精度,并利用历史数据进行了预测.预测结果与实际数据对比验证了回归-卡尔曼滤波组合模型在航道整治区域船舶交通流时空预测方面的有效性与可靠性. 展开更多

关键词 航道整治区域 船舶交通流 时空特性预测 回归-卡尔曼滤波组合模型

原文传递

优化的长山水道船舶交通流量灰色系统预测模型 被引量：11

5

作者 马晓波 刘雪菲 戴冉 《上海海事大学学报》 北大核心 2016年第2期12-16,共5页

为提高长山水道船舶交通流量的预测精度,对灰色系统中的GM(1,1)模型进行优化.在对长山水道船舶交通流量进行分析的基础上,通过改进GM(1,1)模型背景值、改变初始条件、增加新信息优先权、引入残差修正等方法对GM(1,1)模型进行优化.通过... 为提高长山水道船舶交通流量的预测精度,对灰色系统中的GM(1,1)模型进行优化.在对长山水道船舶交通流量进行分析的基础上,通过改进GM(1,1)模型背景值、改变初始条件、增加新信息优先权、引入残差修正等方法对GM(1,1)模型进行优化.通过该优化模型的预测数据与历史数据的比较验证了该优化模型的准确性和可靠性.最后用该优化模型对长山水道2015—2016年的船舶交通流量进行了预测. 展开更多

关键词 水路运输 船舶交通流量 灰色预测 GM(1 1)优化模型

下载PDF 职称材料

基于注意力机制的CNN-GRU船舶交通流预测模型 被引量：8

6

作者 吴莹莹 赵丽宁 +1 位作者 袁志鑫 张灿 《大连海事大学学报》 CAS CSCD 北大核心 2023年第1期75-84,共10页

为更准确地预测内河船舶交通流,提出基于注意力机制的CNN-GRU船舶交通流预测模型。该模型主要借助一维卷积单元提取数据的高维特征,GRU单元学习数据中的时序特征,并通过引入注意力机制加强重要特征的学习,实现对超长序列的学习。此外,... 为更准确地预测内河船舶交通流,提出基于注意力机制的CNN-GRU船舶交通流预测模型。该模型主要借助一维卷积单元提取数据的高维特征,GRU单元学习数据中的时序特征,并通过引入注意力机制加强重要特征的学习,实现对超长序列的学习。此外,通过分析内河上下游航道交通流间的关联性,提取长江中下游6个航段的船舶AIS数据,构造多航段船舶交通流序列数据集,并将其输入本文模型中进行训练及测试。结果表明:相比序列预测模型中的SAE、LSTM、GRU、CNN+GRU和GRU+Attention,本文模型在针对不同交通流参数的预测中均具有更高的预测精度,交通流量、交通流密度和交通流速度的预测精度分别达到95.42%、97.33%、94.99%,可更好地满足工程应用需求。 展开更多

关键词 船舶交通流预测 多航段预测 门控循环神经网络 注意力机制 卷积神经网络

原文传递

考虑周期性波动因素的船舶交通流量预测模型 被引量：9

7

作者 张树奎 肖英杰 《大连海事大学学报》 CAS CSCD 北大核心 2016年第4期41-46,共6页

为提高船舶交通流量预测精度,综合考虑季节、气候等因素,通过分析历史流量数据,在线性增长模型的基础上构建了考虑周期性波动因素的船舶交通流量预测改进模型,并运用贝叶斯估计和预测方法求解模型,提出了基于时序数据预测船舶交通流量... 为提高船舶交通流量预测精度,综合考虑季节、气候等因素,通过分析历史流量数据,在线性增长模型的基础上构建了考虑周期性波动因素的船舶交通流量预测改进模型,并运用贝叶斯估计和预测方法求解模型,提出了基于时序数据预测船舶交通流量的预测方法.实例验证表明,较传统线性增长模型,新模型更符合交通流量的实际情况,月流量预测结果的平均绝对误差下降了3.56%,标准差下降了3.79%.因此,新的预测方法用于船舶交通流量预测是有效的. 展开更多

关键词 船舶交通流量 周期性波动 线性增长模型 预测

原文传递

基于GA优化ELM的船舶交通流预测模型 被引量：8

8

作者 崔翔鹏 黄洪琼 《微型机与应用》 2017年第9期15-17,21,共4页

为了提高船舶交通流预测的效率和准确率,分析了船舶流量预测中的影响因素多、非线性、随机性等问题,建立了ELM(极限学习机)预测模型。同时为了避免极限学习机算法受输入权值矩阵和隐含层偏差随机性的影响,算法又采用GA(遗传算法)对极限... 为了提高船舶交通流预测的效率和准确率,分析了船舶流量预测中的影响因素多、非线性、随机性等问题,建立了ELM(极限学习机)预测模型。同时为了避免极限学习机算法受输入权值矩阵和隐含层偏差随机性的影响,算法又采用GA(遗传算法)对极限学习机的输入权值矩阵和隐含层偏差进行优化,建立GA-ELM船舶交通流预测模型。利用上海洋山港船舶流量对该模型进行了实例分析,通过MATLAB仿真进行预测,将GA-ELM模型与单纯的BP模型、ELM模型进行对比和分析,结果表明:GA-ELM模型具有更高的预测精度和效率,从而能够相对准确、高效地对船舶交通流量进行预测。 展开更多

关键词 船舶交通流量 遗传算法 极限学习机 预测

下载PDF 职称材料

基于优化的灰色马尔可夫模型对船舶流的预测 被引量：7

9

作者 张晓雷 黄洪琼 《计算机技术与发展》 2018年第10期101-104,共4页

为了提高船舶交通流预测的效率和准确率,综合考虑季节、气候等因素,通过分析历史船舶流量数据,在传统的灰色模型基础上构建了基于季节指数的灰色-马尔可夫预测模型。模型将纵向与横向分析相结合的方法运用到船舶预测中,通过季节指数修... 为了提高船舶交通流预测的效率和准确率,综合考虑季节、气候等因素,通过分析历史船舶流量数据,在传统的灰色模型基础上构建了基于季节指数的灰色-马尔可夫预测模型。模型将纵向与横向分析相结合的方法运用到船舶预测中,通过季节指数修正船舶的横向季节性变化,再用灰色模型进行预测,最后通过马尔可夫进行误差修正。利用武汉大桥断面的船舶流量数据对该模型进行了实例分析,使用MATLAB将BP神经网络模型、GM(1,1)模型与优化后的灰色马尔可夫模型进行仿真预测,结果表明,Markov-GM(1,1)模型具有更高的预测精度和效率,从而能够相对准确、高效地对船舶交通流量进行预测。 展开更多

关键词 船舶交通流量 季节指数 灰色预测 马尔可夫模型 预测

下载PDF 职称材料

一种准确预测船舶交通流的自适应遗传算法优化的BP神经网络模型研究 被引量：6

10

作者 梅妍玭 张得才 傅荣 《电子器件》 CAS 北大核心 2020年第2期452-455,共4页

为了实现船舶交通流量的精确预测,对某大桥在2010年始~2016年终之间通过的船舶数量进行实测,并将实测数据作为时间序列,对其进行NP单根检验,得到的该时间序列具有非平稳性,进而建立EEMD-IAGA-BP神经网络预测模型,将实测船舶交通流量分解... 为了实现船舶交通流量的精确预测,对某大桥在2010年始~2016年终之间通过的船舶数量进行实测,并将实测数据作为时间序列,对其进行NP单根检验,得到的该时间序列具有非平稳性,进而建立EEMD-IAGA-BP神经网络预测模型,将实测船舶交通流量分解,得到多个平稳的分解信号,采用EEMD模型对其进行优化计算,研究结果表明:EEMD-IAGA-BP神经网络预测模型精度高于传统IAGA-BP模型,能够较为精确的预测船舶交通流量。 展开更多

关键词 EEMD算法 自适应遗传算法模型 BP神经网络模型 船舶交通流量预测

下载PDF 职称材料

基于二维矩阵分解的船舶交通流预测 被引量：6

11

作者 刘钊 崔珑献 +2 位作者 李岩 刘文 刘敬贤 《中国航海》 CSCD 北大核心 2021年第3期76-83,共8页

为克服船舶交通流的非线性和非平稳性特点造成的预测精度不高的问题,提出了一种融合二维经验模式分解(Bidimensional Empirical Mode Decomposition,BEMD)和时序正则化矩阵分解(Temporal regularized matrix factorization,TRMF)的船舶... 为克服船舶交通流的非线性和非平稳性特点造成的预测精度不高的问题,提出了一种融合二维经验模式分解(Bidimensional Empirical Mode Decomposition,BEMD)和时序正则化矩阵分解(Temporal regularized matrix factorization,TRMF)的船舶交通流预测方法。首先,将传统一维船舶交通流时序数据重整为二维交通流量时序矩阵(天×时段),再利用BEMD将二维交通流量数据分解为高频矩阵和低频矩阵,其中高频矩阵体现突变因素对交通流的影响,低频矩阵体现稳定因素对交通流的影响;接着,采用引入正则时序项的TRMF,分别对高频与低频矩阵进行预测,进而融合得到最终的交通流量预测结果;最后,对比分析BEMD-TRMF、GM(1,1)、ARIMA、BPNN、WNN、LSTM和TRMF预测模型,结果表明BEMD-TRMF模型的平均预测误差约为3%,优于对比模型,达到了较好的预测精度。 展开更多

关键词 船舶交通流 二维经验模式分解 时序正则化矩阵分解 组合预测

下载PDF 职称材料

基于注意力机制的堆叠LSTM短时船舶交通流预测模型 被引量：1

12

作者 廉清云 孙伟 李润生 《大连海事大学学报》 CAS CSCD 北大核心 2024年第1期57-65,共9页

针对由短时船舶交通流数据的非线性与非平稳性特征导致的预测精度低的问题,提出基于注意力机制的堆叠LSTM船舶交通流预测模型。采用堆叠式LSTM神经网络捕捉短时船舶交通流数据的时序特征,并通过引入注意力机制更好地学习全局性特征,以... 针对由短时船舶交通流数据的非线性与非平稳性特征导致的预测精度低的问题,提出基于注意力机制的堆叠LSTM船舶交通流预测模型。采用堆叠式LSTM神经网络捕捉短时船舶交通流数据的时序特征,并通过引入注意力机制更好地学习全局性特征,以提高船舶交通流预测精度。提取长江下游三个航段的船舶AIS数据构建船舶交通流数据集,并将其用于本文模型的训练和测试。结果表明,相较HA、ARIMA、GPR、LSTM和Seq2Seq等基线模型,在交通流量宏观参数预测中,本文模型的均方根误差和平均绝对误差两个评价指标均有所降低;与最优基线模型相比,本文模型在船舶交通流预测中表现出更高的精度,其均方根误差降低4.05%,平均绝对误差降低4.04%。 展开更多

关键词 内河交通 船舶交通流预测 长短时记忆网络(LSTM) 堆叠LSTM 注意力机制

原文传递

基于VMD和LSTM的船舶交通流量预测方法研究 被引量：4

13

作者 王凯 刘文 +2 位作者 陈进维 刘钊 刘敬贤 《武汉理工大学学报（交通科学与工程版）》 2022年第1期177-182,共6页

船舶交通流量预测是交通组织的重要基础,船舶交通流时空分布特征复杂,具有非线性、周期性、随机性等特点,导致了预测性能的下降.针对上述问题,提出了VMD-DTW-LSTM预测模型.采用变分模态分解(VMD)方法将时序数据分解为不同频率尺度且相... 船舶交通流量预测是交通组织的重要基础,船舶交通流时空分布特征复杂,具有非线性、周期性、随机性等特点,导致了预测性能的下降.针对上述问题,提出了VMD-DTW-LSTM预测模型.采用变分模态分解(VMD)方法将时序数据分解为不同频率尺度且相对平稳的子序列,实现数据的有效分解,通过引入动态时间规整(DTW)方法作为模型训练的损失函数来提高长短期记忆网络(LSTM)模型的预测精度.为验证模型的性能,设置对比实验与其他9种预测模型进行对比分析.实验结果表明:VMD-DTW-LSTM预测模型能够有效表征船舶交通流量数据的内在特征,具有更高的预测精度. 展开更多

关键词 交通组织 船舶交通流量预测 变分模态分解(VMD) 动态时间规整(DTW) 长短期记忆网络(LSTM)

下载PDF 职称材料

区域船舶交通流量预测ChebNet-LSTM模型

14

作者 陈信强 高原 +3 位作者 赵建森 周亚民 梅骁峻 鲜江峰 《上海海事大学学报》 北大核心 2024年第1期23-29,共7页

针对船舶交通流量预测模型对船舶流量数据空间特征考虑较少的问题,建立一种由切比雪夫网络(Chebyshev network,ChebNet)和长短期记忆网络(long short-term memory,LSTM)组成的深度学习预测模型ChebNet-LSTM。ChebNet的K阶卷积算子有利... 针对船舶交通流量预测模型对船舶流量数据空间特征考虑较少的问题,建立一种由切比雪夫网络(Chebyshev network,ChebNet)和长短期记忆网络(long short-term memory,LSTM)组成的深度学习预测模型ChebNet-LSTM。ChebNet的K阶卷积算子有利于提取船舶流量数据的空间特征,而LSTM用于学习船舶流量数据的时间特征。选取舟山水域中船舶流量不同的3个区域进行船舶流量预测实验。结果表明,所提出的ChebNet-LSTM模型可以有效地提取船舶流量数据的时空特征,在各项评价指标上的表现均优于对比模型,预测精度得到较大提高,可以为水上交通智能航行提供数据支撑。 展开更多

关键词 船舶交通流量预测 切比雪夫网络(ChebNet) 长短期记忆网络(LSTM) 智能航行

下载PDF 职称材料

基于VMD-BP-GA模型的脆弱航段船舶短时交通流预测

15

作者 陈永军 王腾飞 董朝阳 《广东海洋大学学报》 CAS CSCD 北大核心 2024年第2期106-114,共9页

【目的】针对繁忙航段船舶交通流易受外界环境扰动的难题,提出一种可用于识别船舶交通流脆弱性的预测模型,旨在通过脆弱性辨识,确定最薄弱的航段。【方法】首先采用变分模态分解(VMD)模型将船舶交通流参数序列分解为多个模态分量,然后... 【目的】针对繁忙航段船舶交通流易受外界环境扰动的难题,提出一种可用于识别船舶交通流脆弱性的预测模型,旨在通过脆弱性辨识,确定最薄弱的航段。【方法】首先采用变分模态分解(VMD)模型将船舶交通流参数序列分解为多个模态分量,然后结合反向传播神经网络(BP)和遗传算法(GA),通过构建约束模型并不断更新各个分量的中心和带宽,实现单个分量的预测,通过应用VMD-BP-GA模型对船舶交通流进行精准预测,并验证其合理性和有效性。【结果】在繁忙航段,本研究提出的VMD-BP-GA模型精准预测船舶交通流脆弱性的方法,相较于传统模型表现出更低的预测误差值,其中在航段流量预测方面,本研究模型的平均绝对误差(MAE)最低达到2.095%,均方根误差(RMSE)最低达到2.610%,平均百分比误差(MAPE)最低达到2.114%;在航段密度预测方面,本研究模型的MAE、RSME、MAPE最低分别为0.129%、0.162%、2.112%;并实现了时空两个维度的船舶交通流预测。【结论】本研究模型成功实现对船舶交通流脆弱性的识别和最薄弱航段的确定,具有高效的预测性能,能够精准并快速地预测船舶交通流,可为船舶通航安全保障提供了理论和实践指导。 展开更多

关键词 船舶交通流 脆弱性 预测 通航船舶 多融合算法

下载PDF 职称材料

基于矩阵分解的船舶交通流预测方法研究 被引量：3

16

作者 高广旭 刘敬贤 +1 位作者 刘奕 李宗志 《武汉理工大学学报（交通科学与工程版）》 2022年第1期171-176,共6页

针对船舶交通流具有非线性及复杂性等特点,同时在传统交通流预测方法中对于交通流时空特征考虑不足,而造成预测结果精度不高.提出一种基于低秩稀疏矩阵分解(low rank and sparse decomposition,LRSD)与贝叶斯概率矩阵分解(Bayesian prob... 针对船舶交通流具有非线性及复杂性等特点,同时在传统交通流预测方法中对于交通流时空特征考虑不足,而造成预测结果精度不高.提出一种基于低秩稀疏矩阵分解(low rank and sparse decomposition,LRSD)与贝叶斯概率矩阵分解(Bayesian probabilistic matrix factorization,BPMF)结合的船舶交通流预测方法,将一维船舶交通流时序数列转换为二维船舶交通流矩阵,通过LRSD对二维船舶交通流矩阵中平稳性数据和波动性数据分解为低秩矩阵和稀疏矩阵.对于分解后的低秩稀疏矩阵运用BPMF模型进行预测,将两个预测后的矩阵进行恢复,得到最终的预测结果.同时与GM,ARIMA,WNN,BPNN,LSTM,BPMF模型的预测结果进行对比.实验结果表明:所提出的基于LRSD与BPMF组合的预测结果均方根误差平均值为2.62,标准差平均值为0.034,预测精度及结果可信度高于各对比预测模型. 展开更多

关键词 交通安全 船舶交通流 预测 矩阵分解 组合模型

下载PDF 职称材料

基于小波神经网络的VTS水域船舶交通流短期预测研究 被引量：2

17

作者 孟繁林 《中国海事》 2017年第4期45-47,共3页

针对VTS水域船舶交通流随机性大、影响因素多的特点,选择基于小波神经网络的时间序列预测方法,建立船舶交通流预测模型。该预测方法对海事部门提高VTS水域通航效率和服务水平具有一定的参考意义。

关键词 VTS水域 小波神经网络 船舶交通流 短期预测

下载PDF 职称材料

复合潮汐信息的感潮河段船舶交通流滚动预测模型 被引量：1

18

作者 齐绪存 黄常海 +1 位作者 沈佳 娄乃元 《上海海事大学学报》 北大核心 2022年第4期37-43,82,共8页

为准确预测感潮河段船舶交通流,提出一种复合潮汐信息的感潮河段船舶交通流滚动预测模型。选择多变量非线性核函数灰色预测模型KGM(1,N)作为基础模型,并将潮汐信息作为右端项核函数输入信息;针对KGM(1,N)模型存在的不足,采用插值系数法... 为准确预测感潮河段船舶交通流,提出一种复合潮汐信息的感潮河段船舶交通流滚动预测模型。选择多变量非线性核函数灰色预测模型KGM(1,N)作为基础模型,并将潮汐信息作为右端项核函数输入信息;针对KGM(1,N)模型存在的不足,采用插值系数法进行背景值优化;运用粒子群优化(particle swarm optimization,PSO)算法确定核函数所需的高斯核参数、修正参数和最优背景值系数;在输入数据有限的情况下,采用实时滚动预测方法,保证模型充分利用新信息。经上海港南槽航道九段警戒区上游的船舶交通流实例验证,所提出的模型具有较高的预测精度。 展开更多

关键词 感潮河段 船舶交通流 交通流预测 灰色预测模型 背景值优化

下载PDF 职称材料

船舶航道交通流量预测系统构建研究 被引量：1

19

作者 刘洋 《舰船科学技术》 北大核心 2019年第2期37-39,共3页

船舶航道交通流量日益增加,给船舶航道管理带来挑战,为了提高船舶航道交通流量预测准确性,得到好的管理船舶航道,构建一种船舶航道交通流量预测系统。首先研究船舶航道交通流量预测系统的现状,描述船舶航道交通流量预测系统的工作原理,... 船舶航道交通流量日益增加,给船舶航道管理带来挑战,为了提高船舶航道交通流量预测准确性,得到好的管理船舶航道,构建一种船舶航道交通流量预测系统。首先研究船舶航道交通流量预测系统的现状,描述船舶航道交通流量预测系统的工作原理,然后通过对船舶航道交通流量历史数据进行学习,构建船舶航道交通流量预测模型,并将该模型嵌入到船舶航道交通流量预测系统中,最后进行了船舶航道交通流量仿真预测测试,该系统的船舶航道交通流量预测精度不仅可以满足船舶航道交通管理的实际要求,而且船舶航道交通流量预测性能要优于其他系统,表明本文系统是一种可靠、精度高的船舶航道交通流量预测系统。 展开更多

关键词 船舶航道管理 交通流量 预测系统 预测结果

下载PDF 职称材料

基于残差分析优化BP神经网络的天津港船舶交通流量预测

20

作者 王程博 张新宇 +1 位作者 田瑞杰 李瑞杰 《船海工程》 北大核心 2018年第A01期149-153,共5页

基于BP神经网络构建港口船舶交通流量预测模型,为避免预测值的过拟合,采用残差分析优化网络节点设置和数据样本。首先,归一化处理原始数据,确定BP神经网络预测模型的基础参数;其次,对归一化后的数据建立BP神经网络模型,通过残差分析优... 基于BP神经网络构建港口船舶交通流量预测模型,为避免预测值的过拟合,采用残差分析优化网络节点设置和数据样本。首先,归一化处理原始数据,确定BP神经网络预测模型的基础参数;其次,对归一化后的数据建立BP神经网络模型,通过残差分析优化调整网络节点设置和数据样本;最后,比对预测值与实际值、分析残差与仿真结果。结果表明,该预测模型能够较准确地预测港口船舶交通流量。 展开更多

关键词 BP神经网络 残差分析 船舶交通流量 预测

下载PDF 职称材料