作者:李晋; 钟鸣; 李扬威船舶交通流量预测ais数据基因算法神经网络非参数回归组合模型
摘要:针对当前船舶交通流量预测手段落后,精度不高的问题,利用宝船网API数据接口提取船舶AIS数据,依托该数据构建基因算法优化神经网络的船舶交通流量预测模型,K近邻回归预测模型、时间序列预测模型和灰色预测模型的组合预测模型。通过自编程序采集了天津港某时段的船舶交通流量数据,在剔除错误和不可用数据后,对船舶交通流量数据进行统计,分析得到了进出天津港的船舶航行特性。同时为了更直观的验证所提出的预测模型效果,与利用K近邻回归、时间序列和灰色预测模型3种方法预测的结果进行对比。组合模型进港预测的平均绝对误差、均方误差和平均相对误差分别是0.559 5,1.011 9和12.98%,出港分别是0.672 6,1.315 5和15.23%,以上指标均优于上述的传统3种模型。相比于组合模型,优化的BP神经网络模型预测结果更优,进港和出港预测的平均相对误差分别降低了3.23%和4.76%,结论证明,组合模型和优化的BP神经网络模型具有较高的预测精度。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社