期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进PSO-ARIMA模型的船舶纵摇角度预测
被引量：
6
1
作者
王培良
张婷
肖英杰
《上海海事大学学报》
北大核心
2021年第1期39-43,共5页
针对自回归移动平均(auto regressive moving average,ARMA)模型在船舶纵摇角度预测时不具有普遍适用性问题,提出使用自回归综合移动平均(auto regressive integrated moving average,ARIMA)模型进行纵摇角度预测,并采用改进粒子群优化(...
针对自回归移动平均(auto regressive moving average,ARMA)模型在船舶纵摇角度预测时不具有普遍适用性问题,提出使用自回归综合移动平均(auto regressive integrated moving average,ARIMA)模型进行纵摇角度预测,并采用改进粒子群优化(particle swarm optimization,PSO)算法对模型定阶。对纵摇角度值序列数据进行平稳性检验和差分运算,确定ARIMA模型的适用性;采用具有针对性适应度评价函数的PSO算法进行模型定阶,并优化PSO算法的权重计算方法。通过仿真对比验证本文所提方法的科学性和有效性。仿真结果表明:采用改进PSO算法进行模型定阶的方法能够有效提升模型的预测精度,具有更好的预测效果。
展开更多
关键词
自回归综合移动平均(ARIMA)模型
粒子群优化(PSO)算法
船舶
纵摇
纵摇预测
在线阅读
下载PDF
职称材料
GA-BP神经网络模型在集装箱船纵摇角度预测中的应用
被引量：
1
2
作者
张婷
王志明
王培良
《上海海事大学学报》
北大核心
2023年第2期52-56,共5页
为研究集装箱船航行过程中的纵摇角度预测问题,采用遗传算法(genetic algorithm,GA)对反向传播(back propagation,BP)神经网络的初始权值和阈值进行优化,并对比分析优化效果。以集装箱船实际航行数据为基础,划分数据集,确定神经网络结构...
为研究集装箱船航行过程中的纵摇角度预测问题,采用遗传算法(genetic algorithm,GA)对反向传播(back propagation,BP)神经网络的初始权值和阈值进行优化,并对比分析优化效果。以集装箱船实际航行数据为基础,划分数据集,确定神经网络结构,并初始化GA参数;GA以适应度值为指标,迭代搜索最优适应度值,确定BP神经网络参数;使用具有最优初始权值和阈值的BP神经网络进行纵摇角度预测,并结合均方误差(mean square error,MSE)和平均绝对百分比误差(mean absolute percentage error,MAPE)对预测结果进行对比分析。结果表明:所提模型具有较高的预测能力,预测结果的MSE和MPAE分别为0.7192和0.0082,预测结果较为准确。
展开更多
关键词
遗传算法(GA)
反向传播神经网络
船舶
纵摇预测
集装箱船
在线阅读
下载PDF
职称材料
题名
基于改进PSO-ARIMA模型的船舶纵摇角度预测
被引量：
6
1
作者
王培良
张婷
肖英杰
机构
潍坊科技学院智能制造学院
上海海事大学商船学院
山东交通职业学院航海学院
上海海事大学航运仿真技术教育部工程研究中心
出处
《上海海事大学学报》
北大核心
2021年第1期39-43,共5页
基金
国家自然科学基金(51909155)
潍坊市科学技术发展计划(2019GX075)。
文摘
针对自回归移动平均(auto regressive moving average,ARMA)模型在船舶纵摇角度预测时不具有普遍适用性问题,提出使用自回归综合移动平均(auto regressive integrated moving average,ARIMA)模型进行纵摇角度预测,并采用改进粒子群优化(particle swarm optimization,PSO)算法对模型定阶。对纵摇角度值序列数据进行平稳性检验和差分运算,确定ARIMA模型的适用性;采用具有针对性适应度评价函数的PSO算法进行模型定阶,并优化PSO算法的权重计算方法。通过仿真对比验证本文所提方法的科学性和有效性。仿真结果表明:采用改进PSO算法进行模型定阶的方法能够有效提升模型的预测精度,具有更好的预测效果。
关键词
自回归综合移动平均(ARIMA)模型
粒子群优化(PSO)算法
船舶
纵摇
纵摇预测
Keywords
auto regressive integrated moving average(ARIMA)model
particle swarm optimization(PSO)algorithm
ship pitch
pitch prediction
分类号
U661.32+1 [交通运输工程—船舶及航道工程]
在线阅读
下载PDF
职称材料
题名
GA-BP神经网络模型在集装箱船纵摇角度预测中的应用
被引量：
1
2
作者
张婷
王志明
王培良
机构
山东交通职业学院航海学院
上海海事大学商船学院
上海海事大学航运仿真技术教育部工程研究中心
出处
《上海海事大学学报》
北大核心
2023年第2期52-56,共5页
基金
国家自然科学基金(51909155)
潍坊市软科学研究计划(2021RKX125)。
文摘
为研究集装箱船航行过程中的纵摇角度预测问题,采用遗传算法(genetic algorithm,GA)对反向传播(back propagation,BP)神经网络的初始权值和阈值进行优化,并对比分析优化效果。以集装箱船实际航行数据为基础,划分数据集,确定神经网络结构,并初始化GA参数;GA以适应度值为指标,迭代搜索最优适应度值,确定BP神经网络参数;使用具有最优初始权值和阈值的BP神经网络进行纵摇角度预测,并结合均方误差(mean square error,MSE)和平均绝对百分比误差(mean absolute percentage error,MAPE)对预测结果进行对比分析。结果表明:所提模型具有较高的预测能力,预测结果的MSE和MPAE分别为0.7192和0.0082,预测结果较为准确。
关键词
遗传算法(GA)
反向传播神经网络
船舶
纵摇预测
集装箱船
Keywords
genetic algorithm(GA)
back propagation neural network
ship pitch prediction
container ship
分类号
U674.13+1 [交通运输工程—船舶及航道工程]
U661.32+1 [交通运输工程—船舶及航道工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进PSO-ARIMA模型的船舶纵摇角度预测
王培良
张婷
肖英杰
《上海海事大学学报》
北大核心
2021
6
在线阅读
下载PDF
职称材料
2
GA-BP神经网络模型在集装箱船纵摇角度预测中的应用
张婷
王志明
王培良
《上海海事大学学报》
北大核心
2023
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
