船海工程
船海工程
선해공정
SHIP & OCEAN ENGINEERING
2013年
5期
135-137
,共3页
船舶流量%灰色神经网络%遗传进化算法%预测系统
船舶流量%灰色神經網絡%遺傳進化算法%預測繫統
선박류량%회색신경망락%유전진화산법%예측계통
结合灰色模型和BP神经网络模型的特点,对两种模型进行有机地组合,构建一种改进的灰色神经网络预测船舶流量方法.以实际船舶交通流量和主要影响因素为数据,运用遗传算法改进的灰色神经网络模型对上海洋山港的船舶交通流量进行预测,计算和Matlab仿真结果表明,改进的灰色神经网络模型预测不仅精度较高,而且能准确预测船舶交通流量的变化规律.
結閤灰色模型和BP神經網絡模型的特點,對兩種模型進行有機地組閤,構建一種改進的灰色神經網絡預測船舶流量方法.以實際船舶交通流量和主要影響因素為數據,運用遺傳算法改進的灰色神經網絡模型對上海洋山港的船舶交通流量進行預測,計算和Matlab倣真結果錶明,改進的灰色神經網絡模型預測不僅精度較高,而且能準確預測船舶交通流量的變化規律.
결합회색모형화BP신경망락모형적특점,대량충모형진행유궤지조합,구건일충개진적회색신경망락예측선박류량방법.이실제선박교통류량화주요영향인소위수거,운용유전산법개진적회색신경망락모형대상해양산항적선박교통류량진행예측,계산화Matlab방진결과표명,개진적회색신경망락모형예측불부정도교고,이차능준학예측선박교통류량적변화규률.
