《基于优化RBF网络的港口船舶交通流量预测》.pdfVIP

《基于优化RBF网络的港口船舶交通流量预测》.pdf

  1. 1、本文档共5页,可阅读全部内容。
  2. 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. 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. 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. 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. 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. 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. 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

文档评论(0)

ghfa + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档