基于神经网络的内河航道船舶交通流量预测方法研究

我国的内河航运对我国经济、社会发展做出了重要的贡献,随着内河航运的进一步发展,船舶交通流量迅速增加,导致水上交通事故频繁发生。因此,建立有效的内河航道船舶交通管理机制,对航道进行合理的规划和管理具有重要意义。本文首先介绍了神经网络算法的原理与结构,在此基础上建立了一种内河航道船舶交通流量的预测方法,该交通流量预测方法可以有效的改善内河航运的效率和安全性,提高内河航道的综合监管能力。     

基于BP神经网络的船舶交通流量预测研究

在分析船舶交通流量特性的基础上,以船舶交通流量控制为最终目标,建立基于BP神经网络的船舶交通流量预测模型,以长江口深水航道的交通流量数据作为训练样本,进行模拟分析。预测结果与实测加权数据进行对比表明,该模型对船舶交通量的预测是有效的。     

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。     

交叉航道内船舶交通流量的混沌特征研究

针对交叉航道管理中需要掌握船舶交通流量的基本特征问题,根据交叉航道的特点,构建交叉航道船舶交通流量时间序列,利用最大Lyapunov指数和递归图分析方法证明了交叉航道船舶交通流量具有混沌特征。递归率(RR)、确定率(DET)和层流率(LAM)三种递归参数的计算结果表明:4个时间片段下船舶交通流量时间序列均表现出混沌特征,但是时间片段2下的时间序列混沌特征最明显;随着时间片段值的增加,系统的混沌特征逐渐减弱。     

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。     

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。     

多船舶同时航行中的调度数学模型设计与实现

在多船舶同时行进航道水上交通网络中,船舶拥堵容易导致水上安全事故,需要进行水上航道船舶航行调度。本文针对当前调度模型的吞吐量低,时滞较大的问题,提出一种基于船舶航行流量分簇预测的多船舶同时行进中的调度数学模型。构建多船舶同时行进的通行流量的信息感知模型,采用RFID标签识别技术进行船舶航行流量的数学统计,构建船舶进出港的交通态势预测多元状态方程,以历史测量信息作为先验统计量对方程进行优化求解,实现船舶航行流量分簇预测,以此为信息统计量进行交通调度。仿真结果表明,采用该模型进行多船舶同时行进调度,能提高单位时间内的航道通行量,且对航道船舶流量的预测精度较高,调度的时间开销较小。     

基于大数据分析的航道交通流量采集系统设计

当前广泛使用航道交通流量采集系统设计方法存在采集效率低下、且采集获得的信息质量不高的问题。提出基于大数据分析的航道交通流量采集系统设计方法,首先设计了航道交通流量采集系统的软件部分,主要工作包括航道交通流量采集系统采样频率的检测、系统采样频率值的存储、系统采样频率的分析处理以及航道交通流量参数的计算等;然后利用大数据分析工具和现有的船舶监管系统采集航道交通流量信息,同时开发AIS子系统、RFID子系统,建立基于大数据分析的航道交通流量采集系统,最后进行实验对比分析,结果证明,本文方法能快速、高效地采集高质量航道交通流量信息,对实现海事监管部门的智能化管理提供前提保障。