共查询到15条相似文献，搜索用时 218 毫秒
1.
为提高潮汐预测精度,解决单一调和分析预测精度不高的问题,提出一种基于调和分析和自回归综合移动平均-支持向量回归机(autoregressive integrated moving average support vector machine for regression,ARIMA-SVR)的组合潮汐预测模型。潮汐分析中,潮汐可认为是由受引潮力影响的天文潮位和受环境因素影响的非线性水位的叠加。采用小波分析对潮汐样本数据进行去噪处理,使用调和分析法计算天文潮位,以调和分析法计算产生的残差作为非线性水位样本数据,并使用ARIMA-SVR模型进行潮高计算,最后将两部分的计算结果进行线性求和得到最终的潮汐预测值。利用美国旧金山港口实测潮汐数据进行预测仿真,结果表明,该组合模型解决了调和分析忽略非线性影响的问题,提高了潮汐预测准确率,可行且高效。 相似文献
2.
基于支持向量机(SVM)的相关反馈算法在反馈过程中只利用SVM的分类器,反馈结果排序会出现一定错误, 提出一种改进的相关反馈策略,将图像的视觉特征度量函数和SVM分类器函数进行线性加权,作为相关反馈中的相似性度量准则. 实验表明,改进策略能够优化遥感图像检索排序结果,提高检索的精度. 相似文献
3.
通过开展仿真实验和理论分析,系统地研究大气、靶标倾角、靶标对比度和随机噪声、边缘探测精度和ERF拟合模型对调制传递函数(MTF)评价精度的影响,并对各种仿真参数下的MTF总体评价精度进行分析. 分析结果对利用刃边法开展在轨MTF评价具有指导意义. 相似文献
4.
为提高船舶航迹预测精度,解决准确建模难度大和神经网络易陷入局部最优的问题,考虑实时获取目标船AIS数据较少的特点,提出一种基于支持向量机(support vector machine,SVM)的航迹预测模型。选择AIS数据中的航速、航向和船舶经纬度作为样本特征变量;采用小波阈值去噪的方法处理训练数据;采用差分进化(differential evolution,DE)算法对模型内部参数寻优以提高模型收敛速度和预测精度。选取天津港实船某段航迹的AIS数据,比较基于DE-SVM与基于BP神经网络的航迹预测模型的仿真结果。结果表明,基于DE-SVM的航迹预测模型具有更高的预测精度,简单、可行、高效,且耗时少。 相似文献
5.
为提高船舶风压差的预测精度,使船舶能够更快稳定在计划航线上以保障航行安全,提出一种基于主成分分析(principal component analysis, PCA)法和自适应粒子群优化(self-adaptive particle swarm optimization, SAPSO)算法的船舶风压差神经网络预测模型。该方法采用PCA法对航行数据进行预处理,然后将数据输入由SAPSO算法优化的BP神经网络中,改变以往通过复杂的数学建模计算风压差的方法,提高预测的时效性和准确性。利用实船数据对模型进行船舶风压差的实时预测仿真,结果验证了该预测模型具有较高的可靠性。 相似文献
6.
为解决船舶电力推进系统在螺旋桨负载受到风浪干扰时的稳定性问题,采用永磁同步电动机(Permanent Magnet Synchronous Motor,PMSM)作为推进电动机,在空间矢量调制(Space Vector Modulation,SVM)方法和直接转矩控制(Direct Torque Control,DTC)方法的基础上,提出一种基于滑模变结构的SVM-DTC方法.通过Simulink搭建模型进行船舶工况仿真,对推进电动机的转速和电磁转矩进行分析.仿真结果表明采用滑模控制的船舶电力推进系统具有很好的静态、动态特性和鲁棒性. 相似文献
7.
针对日长变化难以用精确模型进行预报的问题,将一种新型人工神经网络--极限学习机(extreme learning machine, ELM)用于日长变化预报中.首先针对时间序列预测问题中存在的嵌入维数选取和网络结构设计问题,提出一种基于灰色关联分析(grey relational analysis, GRA)的ELM算法(GRA-ELM),该算法将灰色关联分析输入节点选取嵌入到ELM网络的训练过程中,同时完成嵌入维数和隐层节点规模的确定.然后根据日长变化数据的特点对其进行预处理,建立一种能够高精度、近实时预报日长变化的GRA-ELM预报模型.最后将GRA-ELM模型的预报结果同标准ELM、反向传播神经网络、广义回归神经网络和地球定向参数预报比较竞赛的结果进行比较.结果表明,通过本方法得到的日长变化较其他方法在精度上有较大改善. 相似文献
8.
传统的原子钟频率预报方法基于国际权度局BIPM每月公布的原子钟频率,具有较长的滞后性,且由于原子钟受多种噪声的影响,无法较准确地对原子钟频率进行近实时的预报.本文根据BIPM官方公布的快速协调世界时UTCr数据,提出基于UTCr的原子钟频率动态预测方法.采用参与国际时间比对的3个守时实验室,即日本国家计量院NICT、中国科学院国家授时中心NTSC和中国国家计量研究院NIM的钟比对数据,应用本文提出的频率预报方法和传统的频率预报方法分别进行原子时尺度计算.将参考原子时计算结果TA'(k)－UTC(k)分别与UTC－UTC(k)进行比较,结果表明本文方法优于传统频率预报方法,提高了原子钟频率预测 的近实时性,为频率驾驭提供了更加近实时可靠的参考,有助于获得更稳定和更准确的UTC(k). 相似文献
9.
为提高长山水道船舶交通流量的预测精度，对灰色系统中的GM(1,1)模型进行优化.在对长山水道船舶交通流量进行分析的基础上，通过改进GM(1,1)模型背景值、改变初始条件、增加新信息优先权、引入残差修正等方法对GM(1,1)模型进行优化.通过该优化模型的预测数据与历史数据的比较验证了该优化模型的准确性和可靠性.最后用该优化模型对长山水道2015—2016年的船舶交通流量进行了预测. 相似文献
10.
在中长期负荷预测中,由于电力负荷具有突变性,常规GM(1,1)模型不能及时反映负荷的突然变化,对于发生转折的数据预测精度不高,在实际应用中具有一定的局限性.通过对负荷原始数据序列的预处理及优化,利用等维新息递推GM(1,1)模型进行预测,保证了预测能够较为充分地利用新信息,并加入了残差模型,通过实例分析表明,改进后的模型比常规GM(1,1)模型提高了预测的精度. 相似文献
11.
为提高集装箱吞吐量的预测精度,提出基于因子分析和曲线拟合的集装箱吞吐量预测模型。以上海港为例,通过因子分析,分析影响集装箱吞吐量的主要因素,筛选出主因子,得到不同年份的综合经济发展值;再运用曲线拟合方法,建立以综合经济发展值为自变量,以集装箱吞吐量为因变量的三次曲线模型;运用自回归积分移动平均(autoregressive integrated moving average,ARIMA)模型预测2016—2020年的综合经济发展值,进而求得2016—2020年上海港集装箱吞吐量预测值。结果表明:该模型的拟合效果和预测精度均较高,可以运用到集装箱吞吐量预测中。给出上海港在国内经济新常态下转型升级的建议。 相似文献
12.
为提高船舶交通事故的预测精度,提出将自回归综合移动平均(autoregressive integrated moving average, ARIMA)模型与BP神经网络组合的船舶交通事故预测方法。该方法考虑船舶交通事故的复杂性和非线性因素,充分结合ARIMA模型与BP神经网络的优势,分别从简单加权和残差优化角度对ARIMA模型与BP神经网络的不同组合方法进行比较研究,并将其应用于2000—2018年英国籍船舶交通事故预测中。结果表明:与ARIMA模型、BP神经网络和ARIMA-BP的简单加权组合预测方法进行对比,ARIMA-BP的残差优化组合预测方法的预测精度最高,其均方根误差、平均绝对误差和平均绝对百分比误差分别为7.16、6.0和4.9%。本文提出的船舶交通事故预测方法可以为相关人员的决策提供指导。 相似文献
13.
为实现起重机节能环保和延长电池组的寿命,以电池的剩余容量作为集装箱龙门起重机能源系统健康状态的评价标准,建立BP神经网络和最小二乘支持向量机(least squares support vector machine,LSSVM)两种电池剩余容量预测模型。分别采用梯度下降算法和标准粒子群优化算法对两种预测模型中的参数进行优化。利用训练好的模型进行电池剩余容量预测。将两种模型的预测值与实测值进行对比分析,结果表明这两种模型都具有高的预测精度,而LSSVM模型是更合适的预测模型。 相似文献
14.
基于减聚类ANFIS模型的船舶横摇运动实时预测 总被引：2，自引：0，他引：2
为准确高效地预测船舶在波浪中的航行状态以保证人员、货物和船舶的安全,提出一种基于减聚类的自适应神经模糊推理系统(Subtractive Clustering based Adaptive Neural-Fuzzy Inference System,SC-ANFIS)模型.SC-ANFIS模型使用减聚类算法对输入样本进行聚类分析,得到模糊规则数,并建立神经模糊推理系统,再使用结合BP算法与最小二乘估计算法的混合算法对建立的预测系统进行优化训练,得到最优的预测系统模型,并使用自相关分析确定预测系统模型的输入.运用该模型对大连海事大学科研教学船"育鲲"号的横摇运动进行实时预测,结果验证了该方法可行、有效,并具有较高的预测精度. 相似文献
15.
为估计汽车电子市场的潜在价值,引入一种基于改进优化核函数参数支持向量机(Support Vector Machine,SVM)的中国汽车月产量预测模型.SVM采用RBF核函数和ε-SVR回归方法;参数选择归结为使推广能力的估计值最小、对偶问题最大化的最优化问题.根据2005—2009年中国汽车月产量数据,预测2010年前3个月的中国汽车月产量,并估计中国轻型汽车电子市场的潜在价值.结果表明:该模型能够提高短期预测性能,可为汽车公司的市场决策提供有价值的参考. 相似文献