基于神經(jīng)網(wǎng)絡(luò)的船舶交通流量預(yù)測(cè)研究

《基于神經(jīng)網(wǎng)絡(luò)的船舶交通流量預(yù)測(cè)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、分類號(hào)：密級(jí)５１單位代碼１＾ＵＤＣ：Ｓ乂是涂事乂掌全日制學(xué)術(shù)型碩±研究生學(xué)位論文基于神經(jīng)網(wǎng)絡(luò)的船舶交通流量預(yù)測(cè)研究黃智斤指導(dǎo)教師黃耀驚副教授申請(qǐng)學(xué)位類別工學(xué)碩±學(xué)科（專業(yè)）名稱航?？茖W(xué)與技術(shù)學(xué)位授予單位大連海事大學(xué)２０巧年１月分類號(hào)密級(jí)ＵＤＣ１０１５１單位代碼大連海事大學(xué)碩±學(xué)位論文基于神經(jīng)網(wǎng)絡(luò)的船舶交通流量預(yù)測(cè)研究黃智斤指導(dǎo)教師黃耀驚職稱副教授學(xué)位授予單位大連海事大學(xué)申請(qǐng)學(xué)位類別工學(xué)碩±學(xué)科航?？茖W(xué)與技術(shù)論文完成日期２０１４年口月答

2、辯日期２０１５年１月答辯委員會(huì)主席ＶｅｓｓｅｌＴｒａｆｆｉｃＦｌｏｗＰｒｅｄｉｃｔｉｏｎＢａｓｅｄｏｎＮｅｕｒａｌＮｅｔｗｏｒｋＡ化ｅｓｉｓＳｕｂｍｉｔｔｅｄ化ＤａｌｉａｎＭａｒｉｔｉｍｅＵｎｉｖｅｒｓｉｔｙＩｎａｒｔｉａｌｆｕｌ巧Ｕｍｅｎｔｏｆｔ：ｈｅｒｅｑｕｉｒｅｍｅｎｔｓｆｔ＞ｒｔｈｅｄｅｇｒｅｅｏｆｐＭａｓｔｅｒｏｆＥｎｇｉｎｅｅｒｉｎｇｂｙＨｕａｎｇＺｈｉｑｉａｎＮａｖｉａｔｉｏｎＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏ（ｇｇｙ）ＴｈｅｓｉｓＳｕｅｒｖｉｓｏｒ：ＡｓｓｏｃｉａｔｅＰｒｏ

3、ｆｅｓｓｏｒＨｕａｎＹａｏｌｉａｎｐｇｇＤｅｃｅｍｂｅｒ２０１４大連海事大學(xué)學(xué)位論文原創(chuàng)性聲明和使用授權(quán)說(shuō)明原創(chuàng)性聲明本人鄭重聲明；本論文是在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究工作所取得的成果，，＂＂撰寫成博／碩±學(xué)位論文某干袖好網(wǎng)絡(luò)的船舶々誦流畳巧刪研巧。除論文中己經(jīng)注明引用的內(nèi)容外，對(duì)論文的研巧做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中Ｗ明確方式標(biāo)明。本論文中不包含任何未加明確注明的其他個(gè)人或集體己經(jīng)公開(kāi)發(fā)表或未公開(kāi)發(fā)表的成果。本聲明的法律責(zé)任由本人承擔(dān)。學(xué)位論文作者簽名：聲聲作學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位惟文作者及指導(dǎo)教師完全了解大連海事大學(xué)有關(guān)保

4、留、使用研巧生學(xué)位論文的規(guī)定，即；大連海事大學(xué)有權(quán)保留并向國(guó)家有關(guān)部口或機(jī)構(gòu)送交學(xué)位論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)大連海事大學(xué)可Ｗ將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，也可采用影印、縮印或掃描等復(fù)制手段保存和匯編學(xué)位論文。同意將本學(xué)位論文收錄到《中國(guó)優(yōu)秀博碩±學(xué)位論文全文數(shù)據(jù)庫(kù)》（中國(guó)學(xué)術(shù)期刊（光盤版）電子雜志社）、《中國(guó)學(xué)位論文全文數(shù)據(jù)庫(kù)》（中國(guó)科學(xué)技術(shù)信息研巧所）等數(shù)據(jù)庫(kù)中，并Ｗ電子出版物形式出版發(fā)行和提供信息服務(wù)。保密的論文在解密后遵守此規(guī)定。本學(xué)位論文屬于：保密□年解密后適用本授權(quán)書。平／＂＂不保密因（請(qǐng)?jiān)?/p>

5、Ｗ上方框內(nèi)打Ｖ）論文作者簽名導(dǎo)師簽名：日期：年月日中文摘要摘要隨著我國(guó)航運(yùn)業(yè)的快速發(fā)展，海上交通變得越來(lái)越發(fā)迭的同時(shí)，海上交通事故也逐漸増多?？茖W(xué)而準(zhǔn)確的船舶交通流量預(yù)測(cè)能為海事機(jī)關(guān)和港航部口制定港口和一。航道規(guī)劃提供數(shù)據(jù)支持和理論依據(jù)，是減少海上交通事故的關(guān)鍵因素之本文在總結(jié)現(xiàn)有船舶交通流量預(yù)測(cè)模型的基礎(chǔ)上，對(duì)神經(jīng)網(wǎng)絡(luò)船舶交通流量預(yù)測(cè)模型進(jìn)行硏究，并提出基于遺傳算法優(yōu)化ＢＰ神經(jīng)網(wǎng)絡(luò)的船舶交通流量預(yù)測(cè)模型。首先，簡(jiǎn)述海上交通流的理論基礎(chǔ)知識(shí)和船舶交通流量預(yù)測(cè)的基本概念，并。給出船舶交通流量預(yù)測(cè)的評(píng)價(jià)指標(biāo)其次，為減少數(shù)據(jù)波動(dòng)對(duì)預(yù)測(cè)精度的影響，

6、一運(yùn)用五點(diǎn)Ｈ次平滑處理方法對(duì)采集的數(shù)據(jù)進(jìn)行平滑處理和歸化處理。然后，建立基于ＢＰ神經(jīng)網(wǎng)絡(luò)的船舶交通流量預(yù)測(cè)模型，針對(duì)ＢＰ神經(jīng)網(wǎng)絡(luò)的固有缺陷，應(yīng)用遺傳算法對(duì)ＢＰ神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，建立基于遺傳算法優(yōu)化ＢＰ神經(jīng)網(wǎng)絡(luò)的船舶交通流量預(yù)測(cè)模型。最后，分別采用ＢＰ神經(jīng)網(wǎng)絡(luò)模型和遺傳算法優(yōu)化ＢＰ神經(jīng)網(wǎng)一ＢＰ神絡(luò)模型對(duì)深圳港的船舶交通流量進(jìn)行預(yù)測(cè)。結(jié)果表明，在定誤差范圍內(nèi)，經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型和遺傳算法優(yōu)化ＢＰ神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型能較好的預(yù)測(cè)深圳港的船舶交通流量，。對(duì)比分析上化兩預(yù)測(cè)模型的預(yù)測(cè)結(jié)果分析結(jié)果表明遺傳算法能夠有效避免ＢＰ神經(jīng)網(wǎng)絡(luò)的固有缺陷，應(yīng)用遺傳算法優(yōu)化郎神經(jīng)網(wǎng)絡(luò)的船舶

7、交通流量預(yù)測(cè)模型的預(yù)測(cè)精度更高，誤差更小。關(guān)鍵詞：巧巧交臟Ｊｔ預(yù)滿；ＢＰ神經(jīng)網(wǎng)斯巧傳算法英文摘要ＡＢＳＴＲＡＣＴＷｋｈ化ｅｒａｐｉｄｄｅｖｅｌｏｐｍｅｎｔｏｆｓｈｉｐｐｉｎｇｉｎｄｕｓｔｒｙｉｎＣｈｉｎａ，ｍａｒｉｔｉｍｅｔｒａｆｉｃｂｅｃｏｍｅｓｍｏｒｅａｎｄｍｏｒｅｐｒｏｓｐｅｒｏｕｓ，ｂｕｔｔｈｅｍａｒｉｔｉｍｅｔｒａｆｆｉｃａｃｃｉｄｅｎｔｓｏｃｃｕｒｆｒｅｑｕ