基于遗传小波神经网络的港口船舶交通流量预测模型比较
摘要
对船舶交通流量进行准确预测在现代智能交通系统领域发挥着重要作用,为提高对船舶交通流量预测的准确性,本文将遗传算法分别与小波分析和神经网络进行结合,构建改进遗传小波神经网络模型,对广东省船舶交通流量的季度数据进行预测,并与遗传BP神经网络和传统小波网络等算法的预测进行对比。结果表明:经过遗传小波神经网络预测模型的误差相比传统的遗传BP神经网络模型和小波神经网络模型大幅度减小,提高了预测精度,从而保障水上交通安全,给水上安全主管部门的相关决策提供理论依据。
引文
[1]李晓磊,肖进丽,刘明俊.基于SARIMA模型的船舶交通流量预测研究[J].武汉理工大学学报(交通科学与工程版),2017,41(2):329-332.
[2]翟久刚,田延飞,严新平.基于BP神经网络与残差分析的船舶交通流量预测[J].上海海事大学学报,2013,34(1):19-22.
[3]李俊,徐志京,唐贝贝.基于GA优化的灰色神经网络船舶交通流量预测方法研究[J].船海工程,2013,42(5):135-137.
[4]张树奎,肖英杰.船舶交通流量预测的灰色神经网络模型[J].上海海事大学学报,2015,36(1):46-49.
[5]郝勇,王怡.基于优化RBF网络的港口船舶交通流量预测[J].中国航海,2014,37(2):81-84.
[6]郭沐壮,刘德新,张仕元.遗传BP神经网络与GM(1,1)模型在桥区船舶交通流量预测中的比较[J].船海工程,2017(A02):259-264.
[7]范庆波,江福才,马全党等.基于PSO的BP神经网络-Markov船舶交通流量预测模型[J].上海海事大学学报,2018,39(2):22-54.
[8]孟繁林.基于小波神经网络的VTS水域船舶交通流短期预测研究[J].中国海事,2017,(4):45-47.
[2]翟久刚,田延飞,严新平.基于BP神经网络与残差分析的船舶交通流量预测[J].上海海事大学学报,2013,34(1):19-22.
[3]李俊,徐志京,唐贝贝.基于GA优化的灰色神经网络船舶交通流量预测方法研究[J].船海工程,2013,42(5):135-137.
[4]张树奎,肖英杰.船舶交通流量预测的灰色神经网络模型[J].上海海事大学学报,2015,36(1):46-49.
[5]郝勇,王怡.基于优化RBF网络的港口船舶交通流量预测[J].中国航海,2014,37(2):81-84.
[6]郭沐壮,刘德新,张仕元.遗传BP神经网络与GM(1,1)模型在桥区船舶交通流量预测中的比较[J].船海工程,2017(A02):259-264.
[7]范庆波,江福才,马全党等.基于PSO的BP神经网络-Markov船舶交通流量预测模型[J].上海海事大学学报,2018,39(2):22-54.
[8]孟繁林.基于小波神经网络的VTS水域船舶交通流短期预测研究[J].中国海事,2017,(4):45-47.