本文關(guān)鍵詞： 水路運(yùn)輸 船舶交通流量 RBF神經(jīng)網(wǎng)絡(luò) 遺傳算法 港口 預(yù)測(cè)　出處：《中國(guó)航�！�2014年02期 　論文類(lèi)型：期刊論文

【摘要】：港口船舶交通流量預(yù)測(cè)能為港口規(guī)劃、交通管理提供決策支持。RBF神經(jīng)網(wǎng)絡(luò)在交通流預(yù)測(cè)領(lǐng)域有著廣泛的應(yīng)用,但其在網(wǎng)絡(luò)權(quán)值等參數(shù)的選取算法上存在缺陷。遺傳算法具有全局搜索速度快的優(yōu)點(diǎn),利用該算法對(duì)RBF神經(jīng)網(wǎng)絡(luò)的權(quán)值進(jìn)行遺傳操作,可獲得具有一定遍歷性的初始權(quán)值。文章嘗試將基于遺傳算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)應(yīng)用到港口船舶交通流量預(yù)測(cè)領(lǐng)域并以蕪湖港為例進(jìn)行驗(yàn)證。結(jié)果顯示,優(yōu)化后的RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)誤差比普通的RBF神經(jīng)網(wǎng)絡(luò)小5%左右,表明優(yōu)化后的RBF神經(jīng)網(wǎng)絡(luò)計(jì)算量更小、識(shí)別速度更快、預(yù)測(cè)誤差更小,在港口船舶交通流量預(yù)測(cè)領(lǐng)域具有廣闊的應(yīng)用前景。
[Abstract]:Port vessel traffic flow forecasting can provide decision support for port planning and traffic management. RBF neural network has a wide range of applications in the field of traffic flow forecasting. The genetic algorithm has the advantage of fast global search speed. The genetic algorithm is used to operate the weight of RBF neural network. The initial weights with certain ergodicity can be obtained. This paper attempts to apply the RBF neural network based on genetic algorithm optimization to the field of port ship traffic flow prediction and take Wuhu Port as an example to verify the results. The prediction error of the optimized RBF neural network is about 5% less than that of the ordinary RBF neural network, which indicates that the optimized RBF neural network has less computation, faster recognition speed and smaller prediction error. It has a broad application prospect in the field of port ship traffic flow prediction.
【作者單位】： 武漢理工大學(xué)航運(yùn)學(xué)院;內(nèi)河航運(yùn)技術(shù)湖北省重點(diǎn)實(shí)驗(yàn)室;
【分類(lèi)號(hào)】：U692
【正文快照】： 港口是水陸交通的集結(jié)點(diǎn)和樞紐,對(duì)區(qū)域經(jīng)濟(jì)發(fā)展具有十分重要的作用。港口船舶交通流量預(yù)測(cè)能夠?yàn)楦劭谝?guī)劃、交通管理提供決策支持�；貧w預(yù)測(cè)法、時(shí)間序列預(yù)測(cè)法、灰色理論預(yù)測(cè)法在船舶交通流量預(yù)測(cè)方面存在局限性。[1]神經(jīng)網(wǎng)絡(luò)因其簡(jiǎn)單的網(wǎng)絡(luò)結(jié)構(gòu)、快速的學(xué)習(xí)方法、較好的推廣

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蘇鑫;;國(guó)內(nèi)交通科技成果:Google地圖增加交通流量預(yù)測(cè)新功能[J];道路交通與安全;2009年02期

2 袁綸華;太原市城市干道系統(tǒng)交通流量預(yù)測(cè)和計(jì)算方法的探討[J];國(guó)外城市規(guī)劃;1981年02期

3 張良智,姜華平;基于遺傳算法的交通流量組合預(yù)測(cè)[J];山東交通學(xué)院學(xué)報(bào);2005年02期

4 胡丹;肖建;車(chē)暢;;提升小波支持向量機(jī)在交通流量預(yù)測(cè)中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用研究;2007年08期

5 首艷芳;徐建閩;李紅杰;;中國(guó)南部交通流量預(yù)測(cè)模型研究(英文)[J];科學(xué)技術(shù)與工程;2008年11期

6 李存軍,鄧紅霞;用相關(guān)路段交通流逼近目標(biāo)路段流量的神經(jīng)網(wǎng)絡(luò)方法[J];交通運(yùn)輸工程與信息學(xué)報(bào);2004年01期

7 毛玉明;王英龍;張立東;;分段學(xué)習(xí)的雙隱層BPNN對(duì)交通流量預(yù)測(cè)的研究[J];計(jì)算機(jī)工程與應(yīng)用;2008年13期

8 張赫,楊兆升,李貽武;無(wú)檢測(cè)器交叉口交通流量預(yù)測(cè)方法綜合研究[J];公路交通科技;2002年01期

9 劉世超;基于極大似然估計(jì)的路段交通流量預(yù)測(cè)[J];西南交通大學(xué)學(xué)報(bào);2005年02期

10 溫惠英;李俊輝;;基于改進(jìn)支持向量機(jī)的交通流量預(yù)測(cè)算法研究[J];交通與計(jì)算機(jī);2008年02期

相關(guān)會(huì)議論文 前10條

1 劉智勇;徐今強(qiáng);李水友;;城市交通流量的混沌時(shí)間序列預(yù)測(cè)[A];04'中國(guó)企業(yè)自動(dòng)化和信息化建設(shè)論壇暨中南六省區(qū)自動(dòng)化學(xué)會(huì)學(xué)術(shù)年會(huì)專(zhuān)輯[C];2004年

2 龐清樂(lè);;基于蟻群算法的交通流量預(yù)測(cè)[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第三分冊(cè)）[C];2009年

3 谷遠(yuǎn)利;余惠華;;動(dòng)態(tài)交通流量預(yù)測(cè)方法研究[A];可持續(xù)發(fā)展的中國(guó)交通——2005全國(guó)博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（上冊(cè)）[C];2005年

4 周申培;嚴(yán)新平;;信息融合技術(shù)在交通流量預(yù)測(cè)中的應(yīng)用[A];可持續(xù)發(fā)展的中國(guó)交通——2005全國(guó)博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊(cè)）[C];2005年

5 于江波;陳后金;;基于分段學(xué)習(xí)的BP神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測(cè)[A];可持續(xù)發(fā)展的中國(guó)交通——2005全國(guó)博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊(cè)）[C];2005年

6 張利;李星毅;施化吉;;一種基于A(yíng)RIMA模型的短時(shí)交通流量改進(jìn)預(yù)測(cè)算法[A];2007第三屆中國(guó)智能交通年會(huì)論文集[C];2007年

7 劉強(qiáng);朱敏;王小維;邱震宇;;灰色神經(jīng)模型在空中交通流量預(yù)測(cè)中的應(yīng)用[A];全國(guó)第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2008年

8 唐麗娜;張衛(wèi)華;;短時(shí)交通流預(yù)測(cè)方法的比較研究[A];2007第三屆中國(guó)智能交通年會(huì)論文集[C];2007年

9 高慧;趙建玉;賈磊;;基于前向型神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)研究[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

10 王亞琴;覃明貴;朱建秋;朱揚(yáng)勇;;智能交通中的數(shù)據(jù)挖掘技術(shù)[A];第一屆中國(guó)智能交通年會(huì)論文集[C];2005年

相關(guān)重要報(bào)紙文章 前6條

1 ;機(jī)場(chǎng)北線(xiàn)打開(kāi)首都機(jī)場(chǎng)北大門(mén)[N];北京日?qǐng)?bào);2006年

2 記者 陳鈞;CBD立體交通：水上橋梁 水底隧道[N];重慶日?qǐng)?bào);2006年

3 司超慧;第三方缺失致9億豪賭巨虧 中原高速被疑“利益輸送”[N];經(jīng)濟(jì)視點(diǎn)報(bào);2006年

4 記者 童凱　通訊員 何業(yè);“綠波帶”工程本月啟動(dòng)[N];泰州日?qǐng)?bào);2010年

5 記者 靳曉磊;我市將建第二條“石太高速”[N];石家莊日?qǐng)?bào);2009年

6 本報(bào)記者 鄭明橋　通訊員 申志忠 陳歡;蛟龍入江穿南北 勇立潮頭為人先[N];經(jīng)濟(jì)日?qǐng)?bào);2008年

相關(guān)碩士學(xué)位論文 前10條

1 李波;基于小波分析和遺傳神經(jīng)網(wǎng)絡(luò)的短時(shí)城市交通流量預(yù)測(cè)研究[D];北京交通大學(xué);2012年

2 易柳;無(wú)檢測(cè)器路口交通流量預(yù)測(cè)方法研究[D];湘潭大學(xué);2010年

3 屈凡;基于混沌和模糊神經(jīng)網(wǎng)絡(luò)的城市短時(shí)交通流量預(yù)測(cè)[D];長(zhǎng)安大學(xué);2012年

4 吳笛;基于信息融合技術(shù)的繞城高速交通流誘導(dǎo)系統(tǒng)模型研究[D];電子科技大學(xué);2009年

5 原紹鵬;城市單交叉口的交通流量預(yù)測(cè)及信號(hào)控制[D];長(zhǎng)安大學(xué);2012年

6 楊國(guó)軍;復(fù)雜道路情況下智能交通系統(tǒng)建模、控制與仿真[D];蘭州交通大學(xué);2013年

7 方良君;短時(shí)交通狀態(tài)預(yù)測(cè)下的動(dòng)態(tài)交通信號(hào)控制方法研究[D];浙江工業(yè)大學(xué);2013年

8 毛小飛;基于小波包分析和支持向量回歸機(jī)的交通流量預(yù)測(cè)方法研究[D];西華大學(xué);2011年

9 何偉;模糊神經(jīng)網(wǎng)絡(luò)在交通流量預(yù)測(cè)中的應(yīng)用研究[D];蘭州交通大學(xué);2012年

10 董衛(wèi)斌;西安市南部區(qū)域交通組織規(guī)劃研究[D];長(zhǎng)安大學(xué);2013年

，

本文編號(hào)：1447955