本文關(guān)鍵詞： 流量預(yù)測 禁忌算法 神經(jīng)網(wǎng)絡(luò) 海洋船舶　出處：《計算機(jī)測量與控制》2016年11期 　論文類型：期刊論文

【摘要】：為了有效緩解船舶交通擁堵和提高通航效率,對海洋港口和航道管理提供一個更可靠的數(shù)據(jù),設(shè)計了一種基于禁忌算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的海洋船舶流量預(yù)測的方法;首先,建立了基于禁忌算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的海洋船舶流量預(yù)測模型;然后,設(shè)計了三層的脊波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),提出了采用禁忌算法優(yōu)化脊波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的具體方法,從而得到一個初始化的脊波神經(jīng)網(wǎng)絡(luò)流量預(yù)測模型;然后,采用有標(biāo)簽的訓(xùn)練樣本數(shù)據(jù)集對網(wǎng)絡(luò)進(jìn)行訓(xùn)練,將滿足誤差閾值的訓(xùn)練模型作為最終的預(yù)測模型;以某港口為例進(jìn)行仿真實驗,結(jié)果表明文中得到的預(yù)測結(jié)果與真實值較為接近,且與其它方法相比,具有更好的預(yù)測效果。
[Abstract]:In order to effectively alleviate ship traffic congestion and improve navigation efficiency, and to provide a more reliable data for ocean port and channel management, a method of ocean ship flow prediction based on Tabu algorithm optimization neural network is designed. The ocean ship flow forecasting model based on Tabu algorithm optimization neural network is established. Then, a three-layer ridgelet neural network structure is designed, and a concrete method to optimize the parameters of ridgelet neural network structure using Tabu algorithm is proposed. An initialized ridgelet neural network flow prediction model is obtained, and then the labeled training sample data set is used to train the network, and the training model satisfying the error threshold is used as the final prediction model. Taking a port as an example, the simulation results show that the prediction results obtained in this paper are close to the real values, and the prediction results are better than those of other methods.
【作者單位】： 海南熱帶海洋學(xué)院計算機(jī)工程學(xué)院;
【基金】：三亞市院地科技合作項目(2014YD11)
【分類號】：U692;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 熊寧;陳懇;;改進(jìn)禁忌算法在無功優(yōu)化中的應(yīng)用[J];江西電力;2006年06期

2 林健;汪木蘭;湯玉東;;改進(jìn)禁忌算法在永磁直線同步電動機(jī)電磁場逆問題中的應(yīng)用[J];微電機(jī);2011年05期

3 張思偉;;單車場多送貨點車輛調(diào)度優(yōu)化的一種改進(jìn)禁忌算法[J];工業(yè)工程;2006年03期

4 盧慧芬,汪雄海;電磁裝置優(yōu)化設(shè)計的改進(jìn)禁忌算法[J];電工技術(shù)學(xué)報;2003年03期

5 郭永輝;錢省三;;DBR理論中瓶頸資源生產(chǎn)優(yōu)化研究[J];工業(yè)工程;2006年06期

6 鐘石泉;杜綱;;基于核心路徑禁忌算法的開放式車輛路徑問題研究[J];計算機(jī)集成制造系統(tǒng);2007年04期

7 蔣平,黃霆,羅建裕;基于增強(qiáng)連續(xù)禁忌算法的PSS參數(shù)優(yōu)化[J];電力自動化設(shè)備;2004年12期

8 于波;彭林;孫光磊;張俊豐;;基于改進(jìn)遺傳-禁忌算法的PMU優(yōu)化配置[J];科技創(chuàng)新與生產(chǎn)力;2012年02期

9 胡峻浩;劉興長;談昨非;;基于禁忌算法的無線傳感器網(wǎng)絡(luò)PEGASIS算法改進(jìn)[J];后勤工程學(xué)院學(xué)報;2013年04期

10 熊寧;程浩忠;;基于開關(guān)組的禁忌算法在配電網(wǎng)動態(tài)重構(gòu)中的應(yīng)用[J];電力系統(tǒng)自動化;2008年11期

相關(guān)碩士學(xué)位論文 前7條

1 張瑞霞;GSM-R系統(tǒng)干擾問題及優(yōu)化方法研究[D];蘭州交通大學(xué);2015年

2 汪婷;基于遺傳禁忌算法的蛋白質(zhì)三維折疊結(jié)構(gòu)預(yù)測[D];武漢科技大學(xué);2010年

3 王淑靜;基于遺傳禁忌算法的范例推理的研究[D];安徽大學(xué);2006年

4 鄧德;基于禁忌算法的長沙移動網(wǎng)絡(luò)規(guī)劃軟件[D];湖南大學(xué);2010年

5 李青;基于遺傳禁忌算法的廠級負(fù)荷優(yōu)化分配研究[D];華北電力大學(xué);2012年

6 羅也;基于遺傳禁忌算法的Ad Hoc網(wǎng)絡(luò)路由技術(shù)[D];南昌大學(xué);2010年

7 林玉英;基于WebGIS與遺傳—禁忌算法的木材物流網(wǎng)絡(luò)優(yōu)化[D];福建農(nóng)林大學(xué);2013年

，

本文編號：1507281