检索结果-维普期刊中文期刊服务平台

灰色理论自适应模型在船舶流量预测中的应用被引量：2: 1; 作者杨歆《舰船科学技术》北大核心 2016年第10X期85-87,共3页; 随着经济的发展,船舶作为最经济实惠的运输方式广泛应用。本文将灰色理论自适应模型应用于船舶流量预测,可以有效提高船舶交通服务的智能化及自动化水平。最后通过对比实验说明本文所设计的模型比传统模型精度得到提高。; 关键词灰色理论自适应模型船舶流量预测残差修正; 在线阅读下载PDF 职称材料

区域船舶交通流量预测ChebNet-LSTM模型被引量：4: 2; 作者陈信强高原 +3 位作者赵建森周亚民梅骁峻鲜江峰《上海海事大学学报》北大核心 2024年第1期23-29,共7页; 针对船舶交通流量预测模型对船舶流量数据空间特征考虑较少的问题,建立一种由切比雪夫网络(Chebyshev network,ChebNet)和长短期记忆网络(long short-term memory,LSTM)组成的深度学习预测模型ChebNet-LSTM。ChebNet的K阶卷积算子有利... 展开更多; 关键词船舶交通流量预测切比雪夫网络(ChebNet) 长短期记忆网络(LSTM) 智能航行; 在线阅读下载PDF 职称材料

基于注意力机制和ConvLSTM的船舶交通流量预测算法被引量：3: 3; 作者李刚宋文陈致远《计算机科学》 CSCD 北大核心 2023年第S02期686-692,共7页; 船舶交通流量预测是港口智能交通系统的关键技术之一,对港口运输的效率和安全起到至关重要的作用。针对现有预测方法难以有效提取船舶交通流量数据中的时空相关性特征信息的问题,提出了一种基于注意力机制和ConvLSTM的预测方法(ACLN)。A... 展开更多; 关键词智能交通智能港口船舶流量预测时空特征提取卷积神经网络长短期记忆网络卷积长短期记忆网络注意力机制; 在线阅读下载PDF 职称材料

基于文化萤火虫算法-广义回归神经网络的船舶交通流量预测被引量：14: 4; 作者薛晗邵哲平 +1 位作者潘家财张锋《上海交通大学学报》 EI CAS CSCD 北大核心 2020年第4期421-429,共9页; 为了给海事部门提供科学准确的船舶交通流量预测,本文提出一种基于文化萤火虫算法(CFA)来优化广义回归神经网络(GRNN)的算法(CFA-GRNN),对船舶交通流量进行预测分析.介绍了基于自动识别系统(AIS)的航道交通流量统计方法.利用快速排斥试... 展开更多; 关键词船舶交通流量预测广义回归神经网络文化算法萤火虫算法; 在线阅读下载PDF 职称材料

基于PSO的BP神经网络-Markov船舶交通流量预测模型被引量：21: 5; 作者范庆波江福才 +1 位作者马全党马勇《上海海事大学学报》北大核心 2018年第2期22-27,54,共7页; 为对船舶交通流量进行准确预测,结合BP神经网络和Markov算法,构建BP神经网络-Markov预测模型。引入粒子群优化(particle swarm optimization,PSO)算法对模型进行优化,克服利用Markov模型选取白化系数的不足。用该模型预测武汉长江大桥... 展开更多; 关键词船舶交通流量预测 BP神经网络马尔科夫模型(Markov模型) 粒子群优化(PS0); 在线阅读下载PDF 职称材料

基于ABC优化BP神经网络的船舶交通流量预测被引量：8: 6; 作者黄富程刘德新 +1 位作者曹杰安天圣《中国航海》 CSCD 北大核心 2021年第2期78-83,共6页; 为提高船舶交通流量预测的准确性,针对BP神经网络随机确定初始权值和阈值的缺点,提出一种基于人工蜂群算法(Artificial Bee Colony,ABC)改进BP神经网络的ABC-BP船舶交通流量预测模型。利用人工蜂群算法全局搜索能力和不易陷入局部最优... 展开更多; 关键词船舶交通流量预测人工蜂群算法(ABC) BP神经网络权值和阈值; 在线阅读下载PDF 职称材料

题名灰色理论自适应模型在船舶流量预测中的应用被引量：2: 1; 作者杨歆; 机构成都师范学院计算机科学学院; 出处《舰船科学技术》北大核心 2016年第10X期85-87,共3页; 文摘随着经济的发展,船舶作为最经济实惠的运输方式广泛应用。本文将灰色理论自适应模型应用于船舶流量预测,可以有效提高船舶交通服务的智能化及自动化水平。最后通过对比实验说明本文所设计的模型比传统模型精度得到提高。; 关键词灰色理论自适应模型船舶流量预测残差修正; Keywords grey theory adaptive model ship flow prediction residual error correction; 分类号 U665.26 [交通运输工程—船舶及航道工程]; 在线阅读下载PDF 职称材料

题名区域船舶交通流量预测ChebNet-LSTM模型被引量：4: 2; 作者陈信强高原赵建森周亚民梅骁峻鲜江峰; 机构上海海事大学物流科学与工程研究院上海海事大学商船学院上海海事大学信息工程学院; 出处《上海海事大学学报》北大核心 2024年第1期23-29,共7页; 基金国家自然科学基金(52331012,52102397,62176150) 福建省自然科学基金(2022J01131710)。; 文摘针对船舶交通流量预测模型对船舶流量数据空间特征考虑较少的问题,建立一种由切比雪夫网络(Chebyshev network,ChebNet)和长短期记忆网络(long short-term memory,LSTM)组成的深度学习预测模型ChebNet-LSTM。ChebNet的K阶卷积算子有利于提取船舶流量数据的空间特征,而LSTM用于学习船舶流量数据的时间特征。选取舟山水域中船舶流量不同的3个区域进行船舶流量预测实验。结果表明,所提出的ChebNet-LSTM模型可以有效地提取船舶流量数据的时空特征,在各项评价指标上的表现均优于对比模型,预测精度得到较大提高,可以为水上交通智能航行提供数据支撑。; 关键词船舶交通流量预测切比雪夫网络(ChebNet) 长短期记忆网络(LSTM) 智能航行; Keywords ship traffic flow prediction Chebyshev network(ChebNet) long short-term memory(LSTM) intelligent navigation; 分类号 U692 [交通运输工程—港口、海岸及近海工程]; 在线阅读下载PDF 职称材料

题名基于注意力机制和ConvLSTM的船舶交通流量预测算法被引量：3: 3; 作者李刚宋文陈致远; 机构国能黄骅港务有限责任公司山东大学海洋研究院; 出处《计算机科学》 CSCD 北大核心 2023年第S02期686-692,共7页; 基金国家自然科学基金(62102228) 山东省自然科学基金(ZR2021QF063) 交通运输部交通强国建设试点任务项目。; 文摘船舶交通流量预测是港口智能交通系统的关键技术之一,对港口运输的效率和安全起到至关重要的作用。针对现有预测方法难以有效提取船舶交通流量数据中的时空相关性特征信息的问题,提出了一种基于注意力机制和ConvLSTM的预测方法(ACLN)。ACLN首先通过深度的ConvLSTM构建编码网络,有效提取船舶交通流量数据中的时空相关性特征信息;其次通过注意力机制对提取的时空相关特征信息进行重要性关注,使模型在预测的过程中自动关注更重要的特征信息;最后通过多层的ConvLSTM和CNN构建预测网络,对提取的时空特征信息进行解析并输出预测结果。在真实的港口船舶交通流量数据上验证了所提方法的有效性,实验结果表明,所提方法的预测性能明显优于目前公开的预测方法,能够对一定区域进行有效的长短时预测,具有一定的实用价值。; 关键词智能交通智能港口船舶流量预测时空特征提取卷积神经网络长短期记忆网络卷积长短期记忆网络注意力机制; Keywords Intelligent transportation Intelligent port Ship flow prediction Spatio-temporal feature extraction Convolutional neural network Long short-term memory network Convolutional long short-term memory network Attention mechanism; 分类号 TP393 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于文化萤火虫算法-广义回归神经网络的船舶交通流量预测被引量：14: 4; 作者薛晗邵哲平潘家财张锋; 机构集美大学航海学院; 出处《上海交通大学学报》 EI CAS CSCD 北大核心 2020年第4期421-429,共9页; 基金国家自然科学基金(51579114) 福建省自然科学基金(2018J05085)资助项目。; 文摘为了给海事部门提供科学准确的船舶交通流量预测,本文提出一种基于文化萤火虫算法(CFA)来优化广义回归神经网络(GRNN)的算法(CFA-GRNN),对船舶交通流量进行预测分析.介绍了基于自动识别系统(AIS)的航道交通流量统计方法.利用快速排斥试验和跨立试验来判断船舶轨迹是否穿过航道某一断面的观测线,并将AIS数据中的经纬度数据转换为墨卡托平面坐标系数据.研究了GRNN的实现原理,CFA以GRNN输出均方差为适应度函数,以GRNN的输入层和隐含层中的权值、隐含层和输出层中的权值、隐含层的阈值及输出层的阈值为编码进行优化,进化目标是得到最合适、最优的神经网络结构.利用AIS收集统计到并经过预处理后的数据,应用CFA-GRNN对舟山螺头通航的船舶进行交通流量预测,并对试验结果和误差进行了统计分析.结果表明:CFA-GRNN与GRNN和萤火虫优化广义回归神经网络相比,泛化性能好,不易陷入局部最优,预测结果精度更高.本研究对船舶交通流量进行预测分析有着十分重要的理论和实际意义.; 关键词船舶交通流量预测广义回归神经网络文化算法萤火虫算法; Keywords vessel traffic flow prediction general regression neural network(GRNN) cultural algorithm firefly algorithm(CFA); 分类号 U61 [交通运输工程—船舶及航道工程]; 在线阅读下载PDF 职称材料

题名基于PSO的BP神经网络-Markov船舶交通流量预测模型被引量：21: 5; 作者范庆波江福才马全党马勇; 机构武汉理工大学航运学院武汉理工大学内河航运技术湖北省重点实验室; 出处《上海海事大学学报》北大核心 2018年第2期22-27,54,共7页; 基金国家自然科学基金(51579202, 51309186); 文摘为对船舶交通流量进行准确预测,结合BP神经网络和Markov算法,构建BP神经网络-Markov预测模型。引入粒子群优化(particle swarm optimization,PSO)算法对模型进行优化,克服利用Markov模型选取白化系数的不足。用该模型预测武汉长江大桥船舶交通流量的月度数据,结果表明:与BP神经网络的预测精度82.439 0%相比,基于PSO的BP神经网络-Markov预测模型的预测精度提高到91.050 8%,该模型的合理性和准确性得到验证。; 关键词船舶交通流量预测 BP神经网络马尔科夫模型(Markov模型) 粒子群优化(PS0); Keywords ship traffic flow prediction BP neural network Markov model particle swarm optimization （PSO）; 分类号 U691 [交通运输工程—港口、海岸及近海工程] O211.62 [理学—概率论与数理统计]; 在线阅读下载PDF 职称材料

题名基于ABC优化BP神经网络的船舶交通流量预测被引量：8: 6; 作者黄富程刘德新曹杰安天圣; 机构大连海事大学航海学院; 出处《中国航海》 CSCD 北大核心 2021年第2期78-83,共6页; 基金高校科研发展基金(991986104802); 文摘为提高船舶交通流量预测的准确性,针对BP神经网络随机确定初始权值和阈值的缺点,提出一种基于人工蜂群算法(Artificial Bee Colony,ABC)改进BP神经网络的ABC-BP船舶交通流量预测模型。利用人工蜂群算法全局搜索能力和不易陷入局部最优的特点,对BP神经网络的初始权值和阈值进行优化,并以青岛港船舶交通流量统计数据为例,进行实例验证。结果显示,与传统的BP神经网络以及遗传算法(GA)优化的BP神经网络预测模型相比,ABC-BP模型平均绝对百分比误差(MAPE)低至3.3618%,不仅避免了局部最优,而且通过简单的参数设置就能够显著提高船舶交通流量的预测精度。表明本模型在船舶交通流量预测上是有效可行的。; 关键词船舶交通流量预测人工蜂群算法(ABC) BP神经网络权值和阈值; Keywords prediction of ship traffic flow artificial bee colony algorithm BP neuro network weights and threshold; 分类号 U692 [交通运输工程—港口、海岸及近海工程]; 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	灰色理论自适应模型在船舶流量预测中的应用	杨歆	《舰船科学技术》北大核心	2016	2	在线阅读下载PDF 职称材料
2	区域船舶交通流量预测ChebNet-LSTM模型	陈信强高原赵建森周亚民梅骁峻鲜江峰	《上海海事大学学报》北大核心	2024	4	在线阅读下载PDF 职称材料
3	基于注意力机制和ConvLSTM的船舶交通流量预测算法	李刚宋文陈致远	《计算机科学》 CSCD 北大核心	2023	3	在线阅读下载PDF 职称材料
4	基于文化萤火虫算法-广义回归神经网络的船舶交通流量预测	薛晗邵哲平潘家财张锋	《上海交通大学学报》 EI CAS CSCD 北大核心	2020	14	在线阅读下载PDF 职称材料
5	基于PSO的BP神经网络-Markov船舶交通流量预测模型	范庆波江福才马全党马勇	《上海海事大学学报》北大核心	2018	21	在线阅读下载PDF 职称材料
6	基于ABC优化BP神经网络的船舶交通流量预测	黄富程刘德新曹杰安天圣	《中国航海》 CSCD 北大核心	2021	8	在线阅读下载PDF 职称材料