基于相空间重构与LSSVM的交通流量预测

针对仅利用欧氏距离不能准确反映相空间中相点间的相似性大小,提出一种改进预测模型,该模型同时考虑相点间的欧氏距离和相似性来选取邻近点。在对交通流量时间序列进行相空间重构后,运用最小二乘支持向量机分别对不同方法得到的邻近点进行训练,并对未来时段的交通流量进行了多步预测。实际案例的预测结果表明,改进方法比一般方法具有更好的适应能力和预测精度。     

基于混沌理论和改进极限学习机的船舶升沉预报

船舶升沉运动预报是主动升沉补偿系统中的重要组成部分.为了满足船舶升沉运动预测的实时性和准确性要求,本文提出了一种混沌理论与增强搜索极限学习机相结合的混合方法(CES-ELM).在混沌动力系统相空间重构的基础上,采用基于误差最小化的方法生成ELM隐藏节点并不断更新权值;利用优化后的模型参数建立船舶运动预测模型.不同海况下的仿真结果表明,该方法的预测平均绝对百分误差小于10％,与传统的ELM和LSSVM模型相比,该模型能有效提高预测精度和鲁棒性.     

舰船惯导航行数据的重构及混沌特性分析

针对现有舰船航行数据处理研究中,对数据内在属性及不同数据间相关性研究不够深入的问题,应用不同方法对舰船惯导航行数据进行了相空间重构及比较分析。分析结果表明,C-C方法对船舶惯导航行数据的重构效果较好。在此基础上,进行了惯导数据的混沌特性定性分析,并计算了惯导数据的最大Lyapunov指数,对舰船惯导数据进行了混沌动力学特性研究。分析结果证实了舰船航行数据具有较为典型的混沌特性,为进一步研究采用混沌控制等方法对舰船航行中的混沌状态进行控制提供必要的数据基础和比较依据。     

基于混沌理论与RBF神经网络的船舶运动极短期预报研究

文章基于混沌动力系统相空间重构理论,利用关联维数法和最大Lyapunov指数法,对船舶运动时间序列的混沌特性进行了判定。并利用RBF神经网络较强的非线性映射功能,结合相空间重构理论建立了船舶运动极短期直接多步预报模型。实例预报结果表明,所建立的预报模型应用于船舶运动极短期预报取得了令人满意的预报精度,预报时间可达10 s。     

基于时间序列分析的预测控制算法

在分析Turbo码的译码结构以及外部信息传递特性的基础上,从时间序列的角度分析分量译码器外部信息的传递规律,基于预测算法对Turbo码的迭代译码结构进行了改进,提出了单次预测和复次预测的改进算法。建立分量译码器的n阶多项式线性模型,将前n次迭代信息保存至线性模型中,采用多项式曲线拟合或指数拟合算法预测分量译码器第n+1次迭代的外部信息值。利用预测的外部信息值代替分量译码器第n+1次迭代的译码过程。在保证外部信息准确预测、误码率性能相近的前提下,减少了迭代次数和迭代时延,简化了译码结构。     

基于数据驱动的船舶油耗预测模型研究

以某客滚船为研究对象,将大量航行实际数据进行预处理,通过斯皮尔曼等级相关分析选择出船舶左右桨螺距、左右舷舵角、纵倾、船首风速、船舶对水和对地航速为油耗主要影响参数。建立基于LSTM神经网络的黑箱模型对数据进行学习并预测油耗,额外选取测试样本验证模型精度,优化模型内部结构以进一步提高预测精度。将最终得到的预测数据与实测数据对比,证明模型具有良好的准确性。该研究方法能为船舶运营人员优化运营方案提供参考,能够提高水路交通运输的经济性。     

基于HSMM的船舶机械故障演化预测模型

船舶机械设备运行的可靠性对于船舶整体而言非常重要,随着船舶机械设备复杂程度的提高,机械故障的预测和防范成为研究热点。本文系统介绍SMM马尔科夫模型和HSMM隐马尔科夫模型的原理和应用场景,针对船舶机械故障的演化预测模型进行详细研究。利用HSMM隐马尔科夫模型在随机信号特征提取以及时间概率的准确性优势,对船舶动力系统变速箱的齿轮故障进行预测和诊断,取得了较好的效果。     

基于小波包分析的混沌信号消噪研究

由于混沌是一种貌似随机的确定性信号,具有宽频谱的特征,传统的方法不能有效滤除混沌信号中的噪声,文章应用小波包分析方法实现了这一目标。同时,根据混沌信号在各个频段上的能量分布具有"涨落"的特征,提出了一种确定阈值的新标准。研究结果表明,新的阈值标准既能够保证原信号中的有用信息不会出现严重泄露,又能够实现有效去噪。     

基于系统动力学的港口吞吐量预测模型

将系统动力学方法应用于港口吞吐量预测模型。考虑了各种主要因素对港口吞吐量的影响，较好地解决了港口吞吐量预测方法中考虑系统因素较少的问题以及经济、社会发展水平的不确定性等影响港口吞吐量预测所产生的误差问题。采用宁波市港口各相关统计数据对模型进行了仿真和验证．结果证明该模型有效、可行。     

基于智能重构算法的舰船电力系统研究

现代船舶电力系统结构复杂,电网组网规模庞大,如何保障电网及电力系统运行稳定是船舶安全运行的首要解决条件。配电网络管理系统是监测、管理电网负载运行的有效手段,对于电网故障,需要通过重构网络及算法分析定位故障点及原因,基于电网重构故障定位的准确性与时效性直接关系到电网运行稳定,随着组网规模扩大,传统重构算法已不能满足要求。本文重点研究了基于高斯动态算法智能电网故障重构方法,有效提高了故障搜索的准确性。     

基于博弈理论的水资源管理研究

文中首先介绍了水资源管理的主要模式,然后利用博弈理论,对中央行政机关与区域政府之间的区域博弈,国家水资源管理部门与流域机构之间的流域博弈以及国家水资源管理部门与中央行政机关的混合博弈进行了探讨。     

基于时间序列法的舰船运动预报实验研究

采用线性自回归AR模型、具有首前波观测量的ARMA模型以及非线性自回归NAR模型三种方法分别对舰船运动进行预报,将得到的预报结果与实验测量结果进行验证比较,并对最佳预报模式进行讨论.     

基于LSTM与注意力机制的船舶航迹预测模型研究

在内河通航船舶数量不断增加和通航环境日益复杂的情况下,为充分挖掘海量AIS数据中的价值信息,针对内河船舶航迹预测中的精度和可靠性问题,应用循环神经网络方法,提出了一种结合深度学习注意力机制(At-tention Mechanism)和长短期记忆网络(Long Short-Term Memory,LSTM)的船舶航迹预测...     

浅议工程造价预测模型的建立

把握建筑造价波动值的变化,对业主而言,可以减少投资风险并且在设计阶段就能将建筑造价控制在允许的总造价限额范围内;对承包商而言则能减少经营风险并且增加盈利的机会,并为项目管理者及时了解工程造价的动向和趋势,提供了决策的科学依据。     

港口货物吞吐量的序列灰预测模型与系统灰预测模型比较分析研究

针对港口货物吞吐量易受其所属港群系统因素的刺激,使其在短期内产生较大扰动而影响预测模型拟合精度的问题,将相邻各港口所形成的港群作为系统整体,将港群货物吞吐总量作为初始输入,建立港群内各港口货物吞吐量的系统灰预测模型,同时建立各港口货物吞吐量的序列灰预测模型,以比较两种方式下所得模型的模型拟合效果。最后,以泸-宜-乐港群为例进行建模和分析,结果表明系统灰预测模型的拟合精度明显高于分别对各港口建立的序列灰预测模型。     

一种水资源配置模型和风险评价方法的研究

在分析了水资源配置应遵循的原则的基础上,针对不同的配置阶段,给出了相对缺水量最小和相对综合效益最大的配置模型;并且,对水资源配置中存在的不确定性和风险评价进行了研究,对水资源的优化配置和节约用水有一定的指导作用。     

组合预测模型在公路货运周转量预测中的运用

货物周转量可以反映出一个地区物流发展的程度,因此对其进行预测分析,对于发展区域经济有重要意义。本文首先运用层次分析法确定权重后,再组合三种预测模型,即时间序列平均移动模型,灰色预测GM(1,1)模型,非线性回归模型,分别对湖北省公路货运周转量进行拟合对比。最后对2005-2010年湖北公路货运周转量发展程度进行预测,为发展湖北省未来几年公路交通建设政策制订提供参考。     

港口集装箱吞吐量的灰色神经网络预测模型研究

为了降低港口集装箱吞吐量的预测误差,提高预测精度,文章通过分析传统的灰色预测模型和 BP 神经网络预测模型的优缺点,构建了灰色神经网络港口集装箱吞吐量预测模型,该模型充分发挥了灰色模型所需初始数据少和 BP 神经网络非线性拟合能力强的特点。以实际数值作为初始数据,各种灰色模型的预测值为神经网络的输入值,神经网络的输出值为组合预测结果。通过实例分析,结果表明：灰色神经网络预测模型提高了预测精度,预测结果比较理想,优于单一预测模型,因此,该模型用于港口集装箱吞吐量预测是可行的、有效的。     

基于偏最小二乘法的集装箱吞吐量预测模型研究

利用偏最小二乘法(PLS)能够克服样本个数比变量维度少的特点和消除变量多重共线性的优点对港口集装箱吞吐量进行建模预测,该方法适用于历史数据较少的港口。并以黄骅港为例,通过SPSS软件对港口集装箱吞吐量进行建模预测并给出2025年集装箱吞吐量预测值。结果表明,偏最小二乘法能够有效的消除影响因素的多重共线性,具有良好的预测精度,可为今后的港口集装箱吞吐量预测提供参考。