原文传递
基于广义回归神经网络的船舶交通量预测模型
| 题名： | 基于广义回归神经网络的船舶交通量预测模型 |
| 正文语种： | 中文 |
| 作者： | 刘敬贤；刘振东；周锋 |
| 关键词： | 水路运输；船舶交通量；广义回归神经网络；小样本问题；组合预测模型 |
| 摘要： | 船舶交通量受多种环境与社会因素的影响，使得船舶交通量预测存在复杂性与非线性的特点。在分析现有预测模型和方法不足的基础上，介绍了广义回归神经网络GRNN的基本原理与拓扑结构。不同类型船舶受各类因素影响的程度不同，根据天津港VTS(Vessel Traffic Services)中心提供的船舶交通量数据，按船舶种类将船舶交通量分为六类，利用GRNN神经网络分别进行预测。预测结果表明GRNN神经网络具有很强的非线性拟合能力，有效解决了天津港船舶交通量预测中的小样本问题，提高了整个预测系统的精度与稳定性。 |
| 期刊名称： | 中国航海 |
| 出版年： | 2011 |
| 页码： | 74-77，85 |
检索历史
应用推荐
