原文传递
基于EMD-LSTM的船舶交通流量预测研究
| 论文题名： | 基于EMD-LSTM的船舶交通流量预测研究 |
| 关键词： | 船舶交通流量预测;经验模态分解;长短时记忆;交通状态识别 |
| 摘要： | 船舶交通流量的大小一直以来被认为是反映某一水域船舶交通规模和繁忙程度的重要指标，从保障海上交通安全方面来看，船舶交通流量也能反映该水域船舶交通的拥挤和危险程度。通过对船舶交通流量的预测，可为航道通航安全评估或船舶通航管理提供一定的理论基础，也可为航道监管部门和港航部门采取交通管制措施来提高船舶通航效率方面提供一定的参考建议，因此对船舶交通流量预测的研究具有一定的意义。 船舶交通流量预测是依据某一水域内历史船舶交通流量建立相应预测模型，从而预测未来某一时间段内船舶交通流量的大小，而其预测精度是反映预测模型好坏的关键。首先本文从船舶交通流研究现状中梳理出船舶交通流量非线性和非平稳性两个特点。其次针对船舶交通流量非线性和非平稳性的特点，提出一种经验模态分解（EmpiricalModeDecomposition，EMD）和长短时记忆（LongShortTermMemory，LSTM）网络结合的EMD-LSTM船舶交通流量预测模型，并利用青岛港主航道实际船舶交通流量数据进行实例验证，通过与自回归差分移动平均（AutoregressiveIntegratedMovingAverage，ARIMA）模型和LSTM模型的预测结果相比对，表明EMD-LSTM模型的预测精度较高。最后利用EMD-LSTM模型对青岛港主航道未来24h的船舶交通流量进行了预测，同时应用K均值聚类算法将船舶交通流量预测结果分为“低峰”、“平峰”和“高峰”时段，从而达到未来航道交通状态识别的目的。 通过对青岛港主航道船舶交通流量预测与聚类分析，不仅为该水域船舶通航安全评估研究提供了一定的理论基础，同时也给海事管理相关部门采取交通管制措施来提高船舶进出港效率等方面提供了一定的参考建议。 |
| 作者： | 吉哲 |
| 专业： | 交通信息工程及控制 |
| 导师： | 王凤武 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连海事大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
