搜索
武汉理工大学硕士学位论文基于BP人工神经网络的船舶交通流量预测研究姓名：王东申请学位级别：硕士专业：交通信息工程及控制指导教师：熊锡龙20090601基于BP人工神经网络的船舶交通流量预测研究作者：王东学位授予单位：武汉理工大学相似文献(3条)1.学位论文杨翔船舶交通流量预测方法研究2006近年来，我国沿海及长江流域的各条“黄金水道”船舶交通流量迅速增加，方面为我国的经济、社会发展做出了重要的贡献，另一方面，由于船舶交通流量的增加，水上交通事故频发，造成了巨大的损失，这就对各水道或航道的规划设计和通航管理提出了更高的要求。船舶交通流量预测的研究就是为水道的规划、设计和船舶通航管理提供基础性依据。船舶交通流量预测是将水运工程技术和经济预测技术有效结合的起来的一个新兴的学科领域。从技术层面上讲，对水运交通流量的预测比一般的市场预测等所要考虑的影响因素和指标更为复杂和繁多，这要求在具体的方法应用时要因地制宜采用不同的方法或多种方法的结合。本文在对有着广泛应用的大连海事大学吕靖和方祥麟教授提出的CSFM[1](CompositeSystematicForecastingModel)船舶交通流量组合预测模型应用和研究的基础之上，针对该方法当中组合预测模型中的单项模型的确定和模型的固定权重的问题，进行了分析，提出了根据差分序列特性进行模型的筛选和基于模糊变权重的船舶交通流量组合预测方法。利用该模型对天津和秦皇岛两个港口的船舶交通流量进行了预测，实践证明，改进后的模型提高了预测的合理性和有效性。2.期刊论文田燕华.陈锦标.TIANYan-hua.CHENJin-biao基于BP神经网络的船舶交通流量预测研究-船海工程2010,39(1)在分析船舶交通流量特性的基础上,以船舶交通流量控制为最终目标,建立基于BP神经网络的船舶交通流量预测模型,以长江口深水航道的交通流量数据作为训练样本,进行模拟分析.预测结果与实测加权数据进行对比表明,该模型对船舶交通量的预测是有效的.3.学位论文李俊基于支持向量机的船舶交通事故预测研究2008由于水上运输运量大、能耗低、运输适应性强以及可国际通航等特点，水运在国民经济建设中占有重要地位。目前我国水运虽迅猛发展，但随着船舶数量增多，船舶交通流量增加，航行密度增大，船舶交通事故频发，致使人命安全、财产损失及环境污染等问题时有发生。因此，对船舶交通事故预测研究势在必行，具有重要的实际意义。船舶交通事故预测是一个具有影响因素繁多、不规则、随机性、非线性预测并且数据不全的预测难题。支持向量机是由V.Vapnik等提出的一种学习技术，是借助于最优化方法解决机器学习问题的新工具。支持向量机是机器学习领域若干标准技术的集大成者，它集成了最大间隔超平面、Mercer核、凸二次规划、稀疏解和松弛变量等多项技术，在工业预测应用中，获得了目前为止最好的效果。支持向量机(SVM)作为一种全新的学习机器，具有拓扑结构简单、提供全局唯一最优解、推广性能好、能从未知分布的小样本中抽取大量的有用信息，解决了样本空间中的高度非线性分类和回归等问题，利用回归作预测能取得很好的预测效果的特点。因此本文选择支持向量机对船舶交通事故进行预测。本论文的主要研究工作如下：(1)全面研究了统计学习理论和支持向量机理论，阐述了支持向量机的基本原理。重点论述了统计学习理论的三个核心概念：VC维、推广能力的界、结构风险最小化，支持向量机的最优分类面、核函数及支持向量回归机，并研究支持向量回归机算法。(2)研究了船舶交通事故的特点、种类和等级，并根据船舶交通事故的特点，从人为因素、船舶因素及环境因素等对船舶交通事故的成因进行全面地分析和研究。(3)研究了指数平滑模型(采取二次、三次平滑预测)、回归模型(采取从一元至五元回归预测)、灰色系统模型和支持向量回归机模型的算法，深入研究了这四种预测方法在船舶交通事故预测中的应用。(4)在对支持向量回归机方法进行船舶事故预测研究中，探讨了事故数据的预处理、支持向量回归机预测模型参数的选取及事故数据的特征选取原理和方法，并进行最优核函数选取研究。另外用高斯径向基为核函数的支持向量机以时间、事故种类和事故等级为特征对长江某流域的事故进行预测，比较得出以时间为特征的预测效果较好。(5)集成基于VC++平台的船舶交通事故预测系统，利用船舶交通事故预测系统对船舶事故数据进行试验并比较，证实支持向量回归机预测效果最佳，并总结了GM(1，1)模型、指数平滑模型及SVM模型的特点。本文链接：授权使用：复旦大学图书馆(fddxtsg)，授权号：73837866-2d5b-4729-a273-9ddf0175905f下载时间：2010年8月27日