- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
《基于优化RBF网络的港口船舶交通流量预测》.pdf
第 37卷 第2期 中 国 航 海 VoL37NO.2
2014年 6月 NAVIGAT10N 0FCH INA Jun.2014
文章编号 :1O0O 4653(2014)02—0081—04
基于优化 RBF网络 的港 口船舶交通流量预测
郝 勇 。, 王 怡 ,
(1.武汉理工大学 航运学院,武汉 430063;2.内河航运技术湖北省重点实验室,武汉 430063)
摘 要:港 口船舶交通流量预测能为港 口规划、交通管理提供决策支持。RBF神经网络在交通流预测领域有着广
泛的应用,但其在网络权值等参数的选取算法上存在缺陷。遗传算法具有全局搜索速度快的优点,利用该算法对
RBF神经网络的权值进行遗传操作,可获得具有一定遍历性 的初始权值。文章尝试将基于遗传算法优化的RBF
神经网络应用到港 口船舶交通流量预测领域并 以芜湖港为例进行验证 。结果显示 ,优化后 的RBF神经网络 的预
测误差 比普通 的RBF神经网络小 5 左右 ,表明优化后的RBF神经网络计算量更小、识别速度更快、预测误差更
小,在港 口船舶交通流量预测领域具有广 阔的应用前景。
关键词 :水路运输 ;船舶交通流量 ;RBF神经网络 ;遗传算法 ;港 口;预测
中图分类号:U691 文献标志码 :A
ShipTraffiCVolumeForecastinPortBasedon
OptimizedRBFNeuralNetworks
HAO Yong , W_ANG ,
(1.SchoolofNavigation,W uhanUniversityofTechnology,Wuhan430063,China;
2.HubeiKeyLaboratoryofInlandShippingTechnology,Wuhan430063,China)
Abstract:Goodportplanningandtrafficmanagementneedaccuratepredictionofshiptrafficvolumeinaport,which
ismadebymeansoftheshiptrafficvolumeforecastingalgorithm.TheRBFneuralnetworkhasawiderangeofap
plicationsinthisregard.Theproblem w ithRBF isthedifficuhiesindeterminingparameters,suchastheweights.
Thegeneticalgorithm hastheadvantagesoffastglobalsearching,therefore,isgoodforfindingtheergodicinitial
valuesofweightsfortheRBFneuralnetwork.TheRBF neuralnetwork,optimizedwiththegeneticalgorithm,is
verifiedthroughthecaseofW uhuport.Theresultsshow thattheoptimizedRBF neuralnetworkis5percentmore
accuratethanordinaryRBFneuralnetwork,whileituseslesscomputingresourcesandshortercomputingtime.
Keywords:waterwaytransportation;shiptrafficvolume;RBFneuralnetwork;geneticalgorithm ;port;forecast
港 口是水陆交通 的集结点和枢 纽,对 区域经济 遗传算法操作简单 ,将其并行搜索能力结合到
发展具有十分重要的作用。港 口船舶交通流量预测 神经网络的网络权值训练 中,
您可能关注的文档
- 《基于VK3234的共享中断编程关键技术》.pdf
- 《基于VOIP的语音视频流量监控方案设计与实施》.pdf
- 《基于VPTP的商科大学生创新创业能力培养模式研究》.pdf
- 《基于VP和Prony算法的电力系统低频振荡模式识别》.pdf
- 《基于Web3D的人脸模型定制系统》.pdf
- 《基于WEB的关键蛋白质预测平台》.pdf
- 《基于WEB的在线投稿审批管理系统设计与实现》.pdf
- 《基于WinPcap的智能变电站继电保护测试关键技术研究》.pdf
- 《基于ZLG7289A 和JR8629的人机接口设计》.pdf
- 《基于δ匹配滤波器的扩频码同步门限检测方案》.pdf
- 2024年新人教版一年级上册数学教学课件 数学游戏 0.1 在校园里找一找.pptx
- 2024秋新人教版英语七年级上册教学课件 Unit 1 Section A (1a—1d).pptx
- 2024年新人教版数学一年级上册 第1单元 5以内数的认识和加、减法 1 1~5的认识 第1课时1~5的认识 教学课件.pptx
- 2024年新人教版一年级数学上册课件 单元 第1课时 立体图形的认识.pptx
- 2024年新人教版数学一年级上册 第2单元 6~10的认识和家、减法 3 10的认识和加、减法 第1课时 10的认识 教学课件.pptx
- 2024年秋新人教版七年级上册英语教学课件 Starter Unit 2第4课时(Section B 1a-1d)第4课时(Section B 1a-1d).pptx
- 2024秋新人教版英语七年级上册课件 Unit3第二课时.pptx
- 2024秋新人教版数学一年级上册课件 第五单元 20以内的进位加法第3课时 5、4、3、2加几.pptx
- 领导干部2025年上半年履行全面从严治党主体责任工作报告材料.docx
- 2024年新人教PEP版三年级上册英语课件unit1 B 第1课时.pptx
文档评论(0)