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

【摘要】：港口船舶交通流量預(yù)測能為港口規(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,利用該算法對RBF神經(jīng)網(wǎng)絡(luò)的權(quán)值進行遺傳操作,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)測領(lǐng)域并以蕪湖港為例進行驗證。結(jié)果顯示,優(yōu)化后的RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測誤差比普通的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)計算量更小、識別速度更快、預(yù)測誤差更小,在港口船舶交通流量預(yù)測領(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)航運學(xué)院;內(nèi)河航運技術(shù)湖北省重點實驗室;
【分類號】：U692
【正文快照】： 港口是水陸交通的集結(jié)點和樞紐,對區(qū)域經(jīng)濟發(fā)展具有十分重要的作用。港口船舶交通流量預(yù)測能夠為港口規(guī)劃、交通管理提供決策支持�；貧w預(yù)測法、時間序列預(yù)測法、灰色理論預(yù)測法在船舶交通流量預(yù)測方面存在局限性。[1]神經(jīng)網(wǎng)絡(luò)因其簡單的網(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】

相關(guān)期刊論文 前10條

1 蘇鑫;;國內(nèi)交通科技成果:Google地圖增加交通流量預(yù)測新功能[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)測和計算方法的探討[J];國外城市規(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[J];山東交通學(xué)院學(xué)報;2005年02期

4 胡丹;肖建;車暢;;提升小波支持向量機在交通流量預(yù)測中的應(yīng)用[J];計算機應(yīng)用研究;2007年08期

5 首艷芳;徐建閩;李紅杰;;中國南部交通流量預(yù)測模型研究(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];交通運輸工程與信息學(xué)報;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對交通流量預(yù)測的研究[J];計算機工程與應(yīng)用;2008年13期

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

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

10 溫惠英;李俊輝;;基于改進支持向量機的交通流量預(yù)測算法研究[J];交通與計算機;2008年02期

相關(guān)會議論文 前10條

1 劉智勇;徐今強;李水友;;城市交通流量的混沌時間序列預(yù)測[A];04'中國企業(yè)自動化和信息化建設(shè)論壇暨中南六省區(qū)自動化學(xué)會學(xué)術(shù)年會專輯[C];2004年

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

3 谷遠利;余惠華;;動態(tài)交通流量預(yù)測方法研究[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學(xué)術(shù)論壇（交通運輸工程學(xué)科）論文集（上冊）[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)測中的應(yīng)用[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學(xué)術(shù)論壇（交通運輸工程學(xué)科）論文集（下冊）[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[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學(xué)術(shù)論壇（交通運輸工程學(xué)科）論文集（下冊）[C];2005年

6 張利;李星毅;施化吉;;一種基于ARIMA模型的短時交通流量改進預(yù)測算法[A];2007第三屆中國智能交通年會論文集[C];2007年

7 劉強;朱敏;王小維;邱震宇;;灰色神經(jīng)模型在空中交通流量預(yù)測中的應(yīng)用[A];全國第19屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（下冊）[C];2008年

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

9 高慧;趙建玉;賈磊;;基于前向型神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測研究[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

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

相關(guān)重要報紙文章 前6條

1 ;機場北線打開首都機場北大門[N];北京日報;2006年

2 記者 陳鈞;CBD立體交通：水上橋梁 水底隧道[N];重慶日報;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)濟視點報;2006年

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

5 記者 靳曉磊;我市將建第二條“石太高速”[N];石家莊日報;2009年

6 本報記者 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)濟日報;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)的短時城市交通流量預(yù)測研究[D];北京交通大學(xué);2012年

2 易柳;無檢測器路口交通流量預(yù)測方法研究[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)的城市短時交通流量預(yù)測[D];長安大學(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)測及信號控制[D];長安大學(xué);2012年

6 楊國軍;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;短時交通狀態(tài)預(yù)測下的動態(tài)交通信號控制方法研究[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的交通流量預(yù)測方法研究[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];長安大學(xué);2013年

，

本文編號：1447955