基于循环结构优化的Elman神经网络船舶交通流量预测

论文摘要

针对港口的船舶交通流量预测精度不高的问题,首次采用Elman神经网络进行船舶交通流量预测,同时引入以预测误差为条件的循环结构优化Elman神经网络,并利用前6个月数据预测后一个月数据的方式重新构建原始数据。同时,将优化后的Elman神经网络应用于芜湖港船舶交通流量的预测,并与原始的Elman神经网络、反向传播(BP)神经网络以及径向基函数(RBF)神经网络的预测结果进行误差及评价指标的分析比较。结果显示,在船舶交通流量预测方面,循环结构优化的Elman神经网络的预测误差在2%以内,小于原始Elman神经网络的3%的误差,远远小于BP神经网络的8%和RBF神经网络的6%的误差,同时优化后的Elman神经网络的各项评价指标均占据优势。表明了Elman神经网络在船舶交通流量预测方面的良好适用性,同时循环结构的优化效果明显,其预测性能更优,预测值更接近实际值,具有很大的应用价值。

论文目录

• 0 引 言
• 1 Elman神经网络
•   1.1 Elman神经网络结构
•   1.2 Elman神经网络学习过程
•   1.3 基于循环结构的优化
• 2 船舶交通流量预测
•   2.1 数据预处理
•   2.2 预测网络建立
•   2.3 评价指标
•   2.4 预测结果及分析
• 3 结 论

文章来源

类型: 期刊论文

作者: 朱庆辉,李广儒,杨晓,勾翔宇,李海丽

关键词: 水上交通,船舶交通流量,神经网络,循环结构,流量预测,精度分析

来源: 高技术通讯 2019年03期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 公路与水路运输,自动化技术

单位: 大连海事大学航海学院,南京大学地理与海洋科学学院

基金: 国家自然科学基金(51579025),辽宁省自然科学基金(201602082)资助项目

分类号: U692;TP183

页码: 295-301

总页数: 7

文件大小: 1072K

下载量: 149