近年,隨著我國(guó)“一帶一路”的國(guó)家級(jí)頂層合作倡議的推廣,海上航運(yùn)業(yè)將在未來(lái)承載我國(guó)主要貿(mào)易貨物的運(yùn)輸工作,對(duì)我國(guó)的社會(huì)經(jīng)濟(jì)發(fā)展具有重要的助推作用。但是由于貨運(yùn)量呈現(xiàn)出的增長(zhǎng)不確定性,很多港口的貨運(yùn)量都出現(xiàn)過(guò)飽和狀態(tài),貨船不得不在近港海域進(jìn)入待機(jī)狀態(tài)。因此,有效地提前預(yù)知港口的倉(cāng)儲(chǔ)物流量不僅可以提高港口作業(yè)效率,節(jié)省開(kāi)支成本;還可以為航運(yùn)時(shí)間規(guī)劃,航線路徑優(yōu)化提供決策支持。本文提案的寬度學(xué)習(xí)系統(tǒng)（BLS,broad learning system）在集裝箱吞吐量預(yù)測(cè)中的應(yīng)用研究,是通過(guò)應(yīng)用管理運(yùn)籌學(xué)領(lǐng)域的熱點(diǎn)研究解決目前工程應(yīng)用領(lǐng)域遇到的痛點(diǎn)問(wèn)題。首先,寬度學(xué)習(xí)系統(tǒng)是一種不需要深度結(jié)構(gòu)的高效增量機(jī)器學(xué)習(xí)方法,是基于將映射特征作為隨機(jī)向量函數(shù)鏈接神經(jīng)網(wǎng)絡(luò)（RVFLNN,random vector functional link neural network）輸入的思想設(shè)計(jì),數(shù)據(jù)的特征節(jié)點(diǎn)和增強(qiáng)節(jié)點(diǎn)以有效且高效的方式完成模型訓(xùn)練過(guò)程。同時(shí),BLS算法中引入激活函數(shù)概念,使線性問(wèn)題可以在非線性空間上得到更好的解決。然而,由于BLS是典型的分類識(shí)別算法,所以本文將對(duì)BLS進(jìn)行諸多改良,構(gòu)建基于BL... 

【文章來(lái)源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁(yè)數(shù)】：53 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１房?jī)r(jià)波動(dòng)圖??Ｆｉｇ．?２．１?Ｐｒｉｃｅ?ｆｌｕｃｔｕａｔｉｏｎ?Ｃｈａｒｔ??－６?－??

?大連海事大學(xué)專業(yè)學(xué)位碩士學(xué)位論文???３．２支持向量回歸模型??邏輯回歸的假設(shè)函數(shù)為：??ｈｆｆ（ｘ）?＝?—＾?（３．１６）??＼＋ｅ￣０ｘ??當(dāng)／ｚ０（ｘ）的輸出趨近于１時(shí)，遠(yuǎn)大于０；當(dāng)?shù)妮敵鲒吔冢皶r(shí)，ｆｘ遠(yuǎn)小于??０。表達(dá)式為：??ｈｄ（ｘ）？＼，ｄ＇ｘ?？０?（＾１７、??ｈｇ（ｘ）＾Ｏ，０Ｔｘ?？０??Ｓ型激勵(lì)函數(shù)如圖３．１所示。??１?Ｉ?■?■?１?Ｉ?ｔ?■＿—?■＿?Ｉ?Ｉ??０９?－?／?－??０?８?－?／?－??０．７?■?／?－??０．６?＿?／?－??０?５?－?／?＇??０?４?－?／?－??０?３?？?／?－??０．２?－?／?－??０．１?－?ｙ?－??＾１０?－８?－６?－４?－２?０?２?４?６?８?１０??圖３．?Ｉ?Ｓ型激勵(lì)函數(shù)??Ｆｉｇ．?３．１?Ｓ－ｔｙｐｅ?ｅｘｃｉｔａｔｉｏｎ?ｆｕｎｃｔｉｏｎ??邏輯回歸代價(jià)函數(shù)為：??Ｃｏｓｔ?（ｈｅ（ｘ），ｙ）?＝?－ｙ＼ｏｇ?—＾－（ｌ－＾）ｌｏｇ（ｌ?＾？－）?（３．１８）??＼＋ｅ?＼＋ｅ??ＳＶＲ代價(jià)函數(shù)為：??＿?＝－丄?｜＞（，）ｌ〇ｇ（響＜〇））?＋?（ｌ－嚴(yán)）ｌ〇ｇ（ｌ＿Ｗ）））?（３．１９）??ｗ?Ｌ?，＝ｉ?．??從代價(jià)函數(shù)表達(dá)式可以看出，對(duì)于總代價(jià)函數(shù)而言，通常是對(duì)所有的訓(xùn)練樣本求和。??當(dāng)ｙ＝ｌ時(shí)，ｌ－ｙ＝０，目標(biāo)函數(shù)只有第一項(xiàng)起作用；當(dāng)ｙ＝０時(shí)，目標(biāo)函數(shù)第一項(xiàng)被消除只??有第二項(xiàng)起作用。??－９?－??

?大連海事大學(xué)專業(yè)學(xué)位碩士學(xué)位論文???圖３．２隨機(jī)向量函數(shù)連接網(wǎng)絡(luò)??Ｆｉｇ．?３．２?Ｆｕｎｃｔｉｏｎａｌ－ｌｉｎｋ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ??然后，網(wǎng)絡(luò)可以表示為如下圖３．３Ｍ所示。我們可以將輸入層和增強(qiáng)層并排放置，??并將它們視為一個(gè)整體網(wǎng)絡(luò)。我們將輸入層到增強(qiáng)層之間的連接權(quán)重隨機(jī)初始化。按照??這種方式，網(wǎng)絡(luò)的輸入層變?yōu)樘卣鲗蛹釉鰪?qiáng)層，網(wǎng)絡(luò)的連接形式山非線性關(guān)系轉(zhuǎn)變?yōu)榫�??性關(guān)系。??４?（＾）?（＾）?□＝＞?（＾）?？？？?（，Ｈ）??ｉｊ?＾｛ＸＷｈ＾／３Ｊ??Ｘ??圖３．３同結(jié)構(gòu)隨機(jī)向量函數(shù)連接網(wǎng)絡(luò)??－１３?－??


本文編號(hào)：3000092