為了更精確地預(yù)測船舶航行軌跡,針對BP神經(jīng)網(wǎng)絡(luò)在船舶航跡預(yù)測過程中容易陷入局部最優(yōu)、預(yù)測誤差較大等問題,提出采用GA算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)進行船舶航跡的預(yù)測.通過構(gòu)建GA-BP神經(jīng)網(wǎng)絡(luò),對BP神經(jīng)網(wǎng)絡(luò)中的初始權(quán)值和閾值進行優(yōu)化,綜合考慮經(jīng)緯度、航速、航向等行為特征,實現(xiàn)對船舶航跡的預(yù)測.以太平口水道區(qū)域內(nèi)某船舶真實航行的AIS信息作為測試案例進行驗證,并將預(yù)測結(jié)果與BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果進行對比.結(jié)果表明,基于GA-BP神經(jīng)網(wǎng)絡(luò)的航跡預(yù)測模型的預(yù)測誤差不超過(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)測精度.

【文章來源】： 廣州航海學(xué)院學(xué)報. 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 評價指標(biāo)的選取
3 實例分析
4 結(jié)論


【參考文獻】：
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 [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)測模型 [J]. 劉嬌,史國友,楊學(xué)錢,朱凱歌.  上海海事大學(xué)學(xué)報. 2020(01)
[3]基于LSTM的船舶航跡預(yù)測 [J]. 陳凱達,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 [J]. 徐國慶,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)的船舶航行動態(tài)預(yù)測 [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. 2019(03)
[6]基于極限學(xué)習(xí)機的船舶航行行為預(yù)測! [J]. 謝新連,陳紫薇,魏照坤,趙瑞嘉.  重慶交通大學(xué)學(xué)報(自然科學(xué)版). 2019(08)
[7]基于多項式卡爾曼濾波的船舶軌跡預(yù)測算法 [J]. 姜佰辰,關(guān)鍵,周偉,陳小龍.  信號處理. 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 [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)測模型 [J]. 權(quán)波,楊博辰,胡可奇,郭晨萱,李巧勤.  計算機科學(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 [J]. 甄榮,金永興,胡勤友,施朝健,王勝正.  中國航海. 2017(02)



本文編號：3534069