原文传递
基于改进PSO-BP神经网络的船舶交通流预测分析
| 题名： | 基于改进PSO-BP神经网络的船舶交通流预测分析 |
| 正文语种： | 中文 |
| 作者： | 肖建兵;惠子刚 |
| 作者单位： | 青岛远洋船员职业学院航海系 |
| 关键词： | 船舶交通流预测;粒子群优化算法;BP神经网络;灰色关联分析 |
| 摘要： | 为了进一步提高船舶交通流的预报精确度,文章建立了一种自适应变异的粒子群优化算法SAPS0,将BP神经网络模型与SAPS0算法相结合,进行船舶海上交通流分析预测。此外,文章采用灰色关联分析法GCA确定交通流预测模型的输入维数。SAPS0-BP预测模型运用自适应变异的PS0算法优化传统BP神经网络的模型参数,克服了传统BP神经网络的对模型的初始权值阈值敏感和易陷入局部最优的缺点,进而提高模型的预报精度。选用天津港口区域的船舶AIS实验数据,验证了预测模型的有效性。 |
| 期刊名称： | 天津航海 |
| 出版年： | 2020 |
| 页码： | 48-53 |
检索历史
应用推荐
