改进型BP神经网络的港口吞吐量预测

论文摘要

为了提高港口吞吐量预测模型的适用性,满足港口决策的需求,对传统时间序列BP神经网络预测模型进行改进,将未来三年的吞吐量作为输出层参数,以tansig函数和logsig函数为传递函数,建立了改进型时间序列BP神经网络预测模型,利用trainlm函数训练神经网络,预测未来三年的港口吞吐量。对深圳港集装箱吞吐量进行了预测,结果表明,改进型时间序列BP神经网络模型泛化能力更强,拟合精度更高,且避免了传统预测模型循环预测产生的误差叠加,具有较好的适用性。

论文目录

• 0 引言
• 1 传统时间序列BP神经网络预测模型
• 2 改进型时间序列BP神经网络预测模型
•   2.1 改进依据
•   2.2 结构设计
•   2.3 训练函数与传递函数的确定
• 3 改进型预测模型验证及分析
• 4 结 语

文章来源

类型: 期刊论文

作者: 陈锦文,兰培真

关键词: 港口吞吐量,时间序列,神经网络,预测模型

来源: 集美大学学报(自然科学版) 2019年05期

年度: 2019

分类: 基础科学,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: 集美大学海上交通安全研究所,交通安全应急信息技术国家工程实验室

分类号: TP183;U691.71

DOI: 10.19715/j.jmuzr.2019.05.05

页码: 352-357

总页数: 6

文件大小: 1017K

下载量: 221