PSO-无偏灰色马尔科夫模型在船舶交通流量预测中的应用

为提高船舶交通流量的预测精度,利用具有全局搜索能力的粒子群算法(Particle Swarm Optimization, PSO)对无偏灰色马尔科夫模型进行优化,构建船舶交通流量预测的PSO-无偏灰色马尔科夫模型。该模型可综合考虑预测中的残差序列、状态区间、状态转移概率,自适应选取最优白化系数,用以准确表征船舶交通流量的发展趋势。以东营港2012—2017年船舶交通流量季度统计数据为例,选取前21个季度数据对模型进行训练,后2个季度数据对预测结果进行分析,与传统的无偏灰色模型和无偏灰色马尔科夫模型相比,该模型能显著地提高船舶交通流量的预测精度,其拟合精度和预测精度分别为91.439%和95.959%,验证后该模型具有科学性与有效性。     

基于智能融合的船舶交通流预测系统

船舶交通流量预测的研究为水道的规划、设计和船舶通航管理提供基础性依据。将智能融合算法应用于船舶交通流量预测系统,较好地解决了现有船舶预测算法中存在的预测精度不高,依赖于经验等不足。以长江江阴大桥2007年船舶流量观测数据为例进行分析,实验结果表明,融合预测能够对多个数据源进行预测,并可以减缓单种预测方法单独预测的不确定性,从而增加了预测的准确性和整个预测系统的鲁棒性。     

基于GA优化的灰色神经网络船舶交通流量预测方法研究

结合灰色模型和BP神经网络模型的特点,对两种模型进行有机地组合,构建一种改进的灰色神经网络预测船舶流量方法.以实际船舶交通流量和主要影响因素为数据,运用遗传算法改进的灰色神经网络模型对上海洋山港的船舶交通流量进行预测,计算和Matlab仿真结果表明,改进的灰色神经网络模型预测不仅精度较高,而且能准确预测船舶交通流量的变化规律.     

船舶航道交通流量预测系统构建研究

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。     

基于支持向量机的船舶交通流量预测方法

提升航道和港口资源的高效、合理利用,需精准掌握船舶交通流量情况。为此,本文提出基于支持向量机的船舶交通流量预测方法。该方法以船舶交通流量数据为基础,经预处理后将其作为采用支持向量机的输入量,通过输入量和输出量之间的高维映射,预测船舶交通流量;通过鲸鱼优化算法优化支持向量机的核参数和惩罚项参数;通过迭代寻优获取最优的参数结果,以此保证舰船交通流量预测结果的精准程度。测试结果表明：该方法能可靠完成不同航行环境下的船舶交通流量预测,均等系数均在0.019以下;中心可依据预测结果对船舶进行管理,高效、合理实现港口资源利用,减少船舶等待进港时间。     

基于SARIMA-BP模型的港口船舶交通流量预测

为提高船舶交通流量预测精度,提出一种季节性自回归移动平均(Seasonal Autoregressive Integrated Moving Average,SARIMA)模型和BP神经网络的误差校正集成模型。以深圳港2011—2017年的数据为研究样本,对原始数据进行预处理,构建最优SARIMA模型,以该模型求出的残差序列作为BP神经网络的输入,将两个模型预测结果进行整合,得到集成模型的预测结果。试验结果表明:该误差校正集成模型与两个单一模型相比,体现出船舶交通流量数据的季节性特征,具有较好的预测精度,为港口船舶交通流量预测提供一种更为有效的方法。     

基于遗传小波神经网络的港口船舶交通流量预测模型比较

对船舶交通流量进行准确预测在现代智能交通系统领域发挥着重要作用,为提高对船舶交通流量预测的准确性,本文将遗传算法分别与小波分析和神经网络进行结合,构建改进遗传小波神经网络模型,对广东省船舶交通流量的季度数据进行预测,并与遗传BP神经网络和传统小波网络等算法的预测进行对比。结果表明:经过遗传小波神经网络预测模型的误差相比传统的遗传BP神经网络模型和小波神经网络模型大幅度减小,提高了预测精度,从而保障水上交通安全,给水上安全主管部门的相关决策提供理论依据。     

基于灰色马尔科夫模型的船舶交通流预测

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。     

基于灰色自回归模型的船舶流量预测方法

结合灰色模型和自回归AR(p)模型,提出两种模型组合的灰色自回归模型,根据实际的船舶交通流量数据,分别运用灰色模型、自回归AR(p)模型和灰色自回归模型,对某港口船舶交通流量的进行预测,通过计算和Matlab仿真,结果表明灰色自回归模型预测精度较高,证明了该模型的可行性。     

基于支持向量机的船舶交通流量预测模型

针对船舶交通流的随机性大,影响因素多,船舶交通流量预测的准确度不高等现象,基于支持向量机理论,结合长江苏通大桥断面的观测数据,建立支持向量机的预测模型进行短期的船舶流量预测.预测结果与实际流量比较一致,优于SPSS线性回归的预测效果.验证了支持向量机预测模型在船舶流量短期预测中的可行性.     

台湾海峡船舶交通流的调查与分析

采用雷达观测方法获取台湾海峡船舶交通实况,应用自行开发的基于电子海图的观测数据与分析软件进行数据处理,分析台湾海峡船舶交通流分布,建立交通流模型,揭示台湾海峡船舶交通流特点和潜在危险。其调查与分析结果为实施台湾海峡船舶交通管理措施提供科学依据。     

船舶交通动力系统安全突变研究

为揭示系统本质,建立船舶交通风险预控机制,基于突变理论对船舶交通系统的安全突变进行研究。首先定性分析了船舶交通系统的特性,并针对动态性与突变性特征,提出船舶交通系统的突变动力学研究方法,进而建立船舶交通动力系统安全突变模型,最后对系统的安全突变进行了定量的分析研究。     

航道通过能力影响因素的分析

以往基于船舶流的航道通过能力计算模型均是在理想条件下提出的,它们只考虑了航道上船舶流的交通特性,其计算结果较实际流量偏大。文中在以往研究成果的基础上,从船舶通航环境的角度,分析了通航环境对船舶行为的影响,并选取相应的修正系数对模型进行修正。修正后的计算模型更能准确地反映航道上的船舶通过能力。     

基于自动识别系统和门控递归装置的港口流量预测模型（英文）

Water transportation today has become increasingly busy because of economic globalization.In order to solve the problem of inaccurate port traffic flow prediction,this paper proposes an algorithm based on gated recurrent units(GRUs) and Markov residual correction to pass a fixed cross-section.To analyze the traffic flow of ships,the statistical method of ship traffic flow based on the automatic identification system(AIS) is introduced.And a model is put forward for predicting the ship flow.According to the basic principle of cyclic neural networks,the law of ship traffic flow in the channel is explored in the time series.Experiments have been performed using a large number of AIS data in the waters near Xiazhimen in Zhoushan,Ningbo,and the results show that the accuracy of the GRU-Markov algorithm is higher than that of other algorithms,proving the practicability and effectiveness of this method in ship flow prediction.     

改进BP神经网络的城市交通流预测研究

由于交通流预测具有高度的非线性特点,这与BP神经网络能够处理非线性问题的特征相符合。但BP神经网络算法易使解陷入局部极小,而遗传算法的全局优化能力则恰恰可以克服这一缺点。文中将遗传算法应用于对BP神经网络模型的改进来对交通流进行预测。通过对预测数据与实测数据的比较分析,证实了改进后的方法更为有效。     

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。     

灰色预测的拓扑选择在运量预测中的运用

运用灰色系统理论及GM模型拓朴选择,建立了相应的GM(1,1)模型,运用于运量预测,并以港口吞吐量与货物周转量的预测为例进行校验。结果表明,新息GM(1,1)模型,新陈代谢GM(1,1)模型与原始模型(全数据GM(1,1)模型)三者比较,新陈代谢GM(1,1)模型的精度最高,值得推荐在运量预测中采用。