發(fā)布時(shí)間：2021-12-11 05:11

　　為了更精確地預(yù)測(cè)船舶航行軌跡,針對(duì)BP神經(jīng)網(wǎng)絡(luò)在船舶航跡預(yù)測(cè)過程中容易陷入局部最優(yōu)、預(yù)測(cè)誤差較大等問題,提出采用GA算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)進(jìn)行船舶航跡的預(yù)測(cè).通過構(gòu)建GA-BP神經(jīng)網(wǎng)絡(luò),對(duì)BP神經(jīng)網(wǎng)絡(luò)中的初始權(quán)值和閾值進(jìn)行優(yōu)化,綜合考慮經(jīng)緯度、航速、航向等行為特征,實(shí)現(xiàn)對(duì)船舶航跡的預(yù)測(cè).以太平口水道區(qū)域內(nèi)某船舶真實(shí)航行的AIS信息作為測(cè)試案例進(jìn)行驗(yàn)證,并將預(yù)測(cè)結(jié)果與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果進(jìn)行對(duì)比.結(jié)果表明,基于GA-BP神經(jīng)網(wǎng)絡(luò)的航跡預(yù)測(cè)模型的預(yù)測(cè)誤差不超過(410^-4)°,與BP神經(jīng)網(wǎng)絡(luò)相比,MAPE和RMSE更低,具有較高的預(yù)測(cè)精度.

【文章來源】： 廣州航海學(xué)院學(xué)報(bào). 2020,28(04)

【文章頁數(shù)】：4 頁

【文章目錄】：
1 GA-BP神經(jīng)網(wǎng)絡(luò)
    1.1 BP神經(jīng)網(wǎng)絡(luò)
    1.2 遺傳算法
2 基于GA-BP的船舶航跡預(yù)測(cè)模型
    2.1 模型結(jié)構(gòu)
    2.2 GA-BP神經(jīng)網(wǎng)絡(luò)參數(shù)分析
    2.3 評(píng)價(jià)指標(biāo)的選取
3 實(shí)例分析
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于GA-BP神經(jīng)網(wǎng)絡(luò)的城市用水量預(yù)測(cè) [J]. 武風(fēng)波,趙盼,呂茜彤.  現(xiàn)代電子技術(shù). 2020(08)
[2]基于DE-SVM的船舶航跡預(yù)測(cè)模型 [J]. 劉嬌,史國(guó)友,楊學(xué)錢,朱凱歌.  上海海事大學(xué)學(xué)報(bào). 2020(01)
[3]基于LSTM的船舶航跡預(yù)測(cè) [J]. 陳凱達(dá),朱永生,閆柯,蔡依青,任智軍,高大為.  船海工程. 2019(06)
[4]基于Attenton-LSTM神經(jīng)網(wǎng)絡(luò)的船舶航行預(yù)測(cè) [J]. 徐國(guó)慶,馬建文,吳晨輝,張安西.  艦船科學(xué)技術(shù). 2019(23)
[5]基于AIS數(shù)據(jù)和LSTM網(wǎng)絡(luò)的船舶航行動(dòng)態(tài)預(yù)測(cè) [J]. 任宇翔,趙建森,劉衛(wèi),王勝正,韋雨含.  上海海事大學(xué)學(xué)報(bào). 2019(03)
[6]基于極限學(xué)習(xí)機(jī)的船舶航行行為預(yù)測(cè)! [J]. 謝新連,陳紫薇,魏照坤,趙瑞嘉.  重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(08)
[7]基于多項(xiàng)式卡爾曼濾波的船舶軌跡預(yù)測(cè)算法 [J]. 姜佰辰,關(guān)鍵,周偉,陳小龍.  信號(hào)處理. 2019(05)
[8]基于循環(huán)結(jié)構(gòu)優(yōu)化的Elman神經(jīng)網(wǎng)絡(luò)船舶交通流量預(yù)測(cè) [J]. 朱慶輝,李廣儒,楊曉,勾翔宇,李海麗.  高技術(shù)通訊. 2019(03)
[9]基于LSTM的船舶航跡預(yù)測(cè)模型 [J]. 權(quán)波,楊博辰,胡可奇,郭晨萱,李巧勤.  計(jì)算機(jī)科學(xué). 2018(S2)
[10]基于AIS信息和BP神經(jīng)網(wǎng)絡(luò)的船舶航行行為預(yù)測(cè) [J]. 甄榮,金永興,胡勤友,施朝健,王勝正.  中國(guó)航海. 2017(02)



本文編號(hào)：3534069