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.     

基于神经网络的远海航道船舶流量预测系统构建

远海航道船舶流量受到多种因素的综合作用,具有一定的周期性,同时具有强烈的非线性,传统线性建模方法无法对远海航道船舶流量进行高精度的拟合,使得远海航道船舶流量预测偏差大。为了克服当前远海航道船舶流量预测系统存在的局限性,设计了基于神经网络的远海航道船舶流量预测系统。首先分析当前远海航道船舶流量预测系统的研究现状,指出各种系统存在的缺陷,然后利用神经网络的非线性建模性能设计了性能良好的远海航道船舶流量预测系统,最后对该远海航道船舶流量预测系统的有效性进行了测试。本文系统可以高精度实现远海航道船舶流量预测,远海航道船舶流量预测误差远远小于实际应用要求的临界要求,并与其他系统进行对比分析,本文远海航道船舶流量预测系统的预测效果明显更优。     

船舶通信网络非线性流量预测的数学建模分析

为了提高船舶通信网络非线性流量预测的精度,设计一个船舶通信网络非线性流量预测数学模型。首先对船舶通信网络数据采集,然后对采集的数据进行预处理,最后应用神经网络算法建立船舶通信网络非线性流量预测模型,以此完成了船舶通信网络非线性流量预测。实验对比结果表明,此次研究的船舶通信网络非线性流量预测数学模型有效提高了流量预测的精准度,并减少了船舶通信网络非线性流量预测时间,具备一定的实际应用意义。     

基于统计数学理论的船舶航行流量预测

船舶航行流量与多种因素相关,使得船舶航行流量变化复杂,对其进行预测面临巨大的挑战。为了解决当前船舶航行流量预测结果不理想的缺陷,以提高船舶航行流量预测精度为目标,提出基于统计数学理论的船舶航行流量预测方法。首先分析影响航行流量的因素,找出航行流量变化规律,然后收集航行流量历史数据,采用统计数学理论对航行流量历史数据进行分析,建立可以描述其变化规律的模型,最后对航行流量预测方法的有效性和优越性进行了测试与分析。结果表明,本文方法的船舶航行流量预测值与实际的航行流量值之间的偏差小,航行流量预测误差小于5%,提高了航行流量预测精度。     

船舶通信软件的可靠性评估

船舶通信软件的可靠性与多种因素有关,同时具有多种变化特点,当前采用单一方法无法对船舶通信软件的可靠性进行客观、科学评估,导致船舶通信软件的可靠性评估偏差比较大,为了提高船舶通信软件可靠性评估的准确性,设计了基于组合模型的船舶通信软件可靠性评估方法。首先分析船舶通信软件可靠性评估进展,建立船舶通信软件可靠性评估指标,然后采用灰色模型对船舶通信软件可靠性进行评估,并采用多项式神经网络进行船舶通信软件可靠性评估,最后两者的船舶通信软件可靠性评估模型进行科学融合,输出船舶通信软件可靠性评估结果,并进行船舶通信软件可靠性评估仿真分析。组合模型的船舶通信软件可靠性评估正确率要高于单一灰色模型和多项式神经网络的评估正确率,船舶通信软件可靠性评估结果更加客观,为船舶通信软件可靠性研究提供一种新的方法。     

基于改进神经网络的船舶主机温度预测

由于传统神经网络存在收敛速度慢的缺陷,导致对船舶主机温度预测精度低,为了对船舶主机温度进行精确的预测,设计了基于改进神经网络的船舶主机温度预测模型。首先对当前船舶主机温度预测研究现状进行分析,找到引起预测效果差的因素,然后采集船舶主机温度变化的时间序列,并采用过程神经网络对船舶主机温度变化趋势进行估计,实现船舶主机温度预测,最后进行船舶主机温度预测验证性实验。结果表明,改进神经网络可以提高船舶主机温度预测精度,船舶主机温度预测误差远远小于传统神经网络,获得了比较满意的船舶主机温度预测结果。     

基于神经网络和随机森林的船舶横摇预测

本文针对船舶在随机海浪中的运动,通过分析海浪波能谱、海浪波倾角谱、海浪有效波倾角谱和船舶受力运动,建立随机海浪模型,并用Matlab对海浪波倾角、有效波倾角以及船舶横摇运动进行仿真实验。根据实验数据,采用BP神经网络与随机森林分别及融合预测方法对船舶横摇运动进行预测。通过船舶实际横摇与预测结果对比分析可知,BP神经网络与随机森林组合预测方法更为精准,为船舶横摇预测控制及船舶稳定平台控制奠定了基础。     

基于神经网络的船舶空调设计参数优化

针对当前船舶空调设计参数优化精度低的问题,以提高船舶室内舒适度为目标,提出了基于神经网络的船舶空调设计参数优化方法。首先对影响船舶室内舒适度的空调参数进行分析,将其作为神经网络的输入,采用船舶室内舒适度为神经网络的期望输出,然后通过神经网络的自适应和学习能力,对空调参数和船舶室内舒适度之间的关系进行非线性映射,建立船舶空调设计参数优化模型,最后采用Matlab编写船舶空调设计参数优化程序进行仿真实验,结果表明,神经网络可以获得船舶空调设计参数最佳组合,提高了船舶空调设计参数的优化精度,改善了船舶室内舒适度,最大程度发挥了船舶空调作用。     

基于LSTM-GRU模型的船体结构应力预测分析

船体结构应力预测对船舶航行安全具有重要意义,然而由于船体结构应力数据具有强随机性,传统方法难以有效准确地对其进行预测。为解决这一问题,采用对非线性关系具有很强拟合能力的长短期记忆网络（LSTM）和门控循环单元（GRU）组合方法对船体结构应力数据进行预测,并通过模型试验验证该方法的稳定性和可行性。结果表明,相比传统的循环神经网络（RNN）模型和单个预测模型,该组合模型在预测精度和效果方面都有明显优势,能够有效预测船体结构应力。其中,预测值与实际值的误差保持在3%以内,决定系数为0.91。     

基于一种改进型线性增长模型的船舶流量预测

为了提高船舶流量预测精度,综合考虑交通需求、季节、气候等因素,通过分析船舶流量历史数据,在线性增长模型基础上,构建了考虑周期性波动因素的船舶流量预测改进模型,并运用贝叶斯估计和预测方法求解模型,提出了一种新的船舶流量预测方法.实例验证表明,与传统线性增长模型预测结果比较,新模型更符合船舶流量实际情况,月流量预测结果的平均绝对误差下降了3.56%,标准差下降了3.79%.因此,将该预测方法用于船舶流量预测是有效的.