共查询到16条相似文献，搜索用时 140 毫秒
1.
为实现船舶设备的预测性维护,提高轮机人员工作效率,提出一种由Elman神经网络修正的自回归综合移动平均(autoregressive integrated moving average, ARIMA)模型用于设备运行数据预测。对输入数据进行平稳化处理,建立相应的ARIMA模型;引入Elman神经网络对ARIMA模型的预测残差进行分析并建立Elman残差预测模型;将ARIMA模型的预测值与Elman残差预测模型的预测值相加,得到最终预测值。采用“育鲲”号船某航次中冷器的海水出口温度数据进行模型的训练和验证,将Elman-ARIMA组合模型与单一模型预测结果的平均绝对百分比误差进行对比分析,结果表明,Elman-ARIMA组合模型具有较好的预测性能。 相似文献
2.
为提高船舶交通量的预测精度,在BP神经网络的基础上结合马尔科夫预测模型建立一个新的预测模型.采用通过长江九江大桥的月度船舶交通量数据进行模型训练、验证和预测,求出相对残差值,将相对残差的前8项归一化后划分为3个状态,利用马尔科夫预测模型修正BP神经网络的预测值.该新模型将BP神经网络的相对残差值区间从[-12.9%,12.3%]降低至[-9.9%,5.4%].该模型能提高船舶交通量的预测精度,用于预测船舶交通量是可行的. 相似文献
3.
基于PSO的BP神经网络-Markov船舶交通流量预测模型 总被引：3，自引：0，他引：3
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。 相似文献
4.
为降低船舶交通流量的预测误差,提高预测精度,在分析传统的灰色模型和反向传播(BackPropagation,BP)神经网络模型优缺点的基础上,构建灰色神经网络模型预测船舶交通流量.以实际测量值作为初始数据构建不同的灰色模型,各种灰色模型的预测值作为神经网络的输入值,得到最佳预测模型.实例分析表明:灰色神经网络模型可提高预测精度,预测结果比较理想,优于单一预测模型;该模型具有所需初始数据少和非线性拟合能力强的特点,用于船舶交通流量预测是可行和有效的. 相似文献
5.
加权灰色关联理论模型在辽宁海上交通事故分析与预测中的应用 总被引：1，自引：0，他引：1
为增强海上交通运输安全,运用灰色系统理论中的加权灰色关联分析和预测的基本原理,改进关联系数的计算方法,并考虑各序列因子在不同点处的权重差异,对辽宁水域2007—2013年的船舶交通事故进行分析.建立该水域船舶交通事故总数与事故类型及发生时间的关联矩阵,根据得到的加权灰色关联度寻求事故的发生规律.将传统灰色关联理论与加权灰色关联理论的关联结果进行对比,验证加权灰色关联理论具有较好的精确性和层次性.建立船舶交通事故总数的预测模型,并对该水域的交通形势进行预测,同时将预测模型结果与实际数据相比较,得到模型预测精度,证明该模型合理、可靠,可以为海上交通事故的预防提供指导和借鉴. 相似文献
6.
为缓和神经网络对历史数据的"过拟合"与预测值"失真"的矛盾,设计一种基于BP神经网络与残差分析的非线性时间序列预测流程.从控制残差为正态分布、白噪声等方面入手,建立合适的人工神经网络,使其既能较好地拟合过去的样本,又可以得到符合未来趋势的预测结果.将该预测流程应用于长江九江大桥观测线船舶交通流量预测,预测效果证明该方法可行. 相似文献
7.
针对在采用massive MIMO（multiple-input multiple-output）系统的5G网络规划中,使用传统的系统级仿真方法获得信道幅值的计算量和时间开销非常大的问题,提出一种基于BP（back propagation）神经网络的自适应神经网络来预测massive MIMO系统的信道幅值。自适应神经网络由基本BP子神经网络和特征降维BP子神经网络组成,可实现对给定训练集和预测集的自适应,基于用户射线追踪数据快速准确地预测用户的信道幅值。仿真结果表明,所提出的自适应神经网络在得到与系统级仿真方法精度接近的信道幅值的同时,可大幅降低获得信道幅值的时间开销;并且与采用传统BP神经网络相比,可以明显降低训练时间、预测误差大的用户数和平均预测误差。 相似文献
8.
由于船舶轴系支点轴承缺乏相应的振动烈度评判标准,结合支点轴承的日常监测数据,采用箱形图制定低转速工况下的界限值,根据振动烈度随转速增加既有线性增长又有指数增长的趋势,利用灰色线性回归组合模型对高转速工况下的界限值进行预测,并与BP神经网络模型的预测效果进行对比分析.结果表明,箱形图法制定的低转速工况界限值比较合理,灰色线性回归组合模型的预测值比BP神经网络模型的更加准确、稳健,其平均相对误差为2.634%. 相似文献
9.
人工神经网络在经济预测中的应用 总被引：2，自引：0，他引：2
王悦 《北京广播电视大学学报》2002,(1):33-37
研究人工神经网络在经济预测中的应用问题,探讨人工神经网络的时间序列预测方法.该方法采用多层前馈神经网络及BP算法,其仿真实现是以MATLAB下神经网络工具箱作为开发工具,提出一种基于BP网络时序预测通用方法,并通过实例验证了该方法的预测精度明显高于灰色系统预测方法.为了消除单一神经网络预测模型的系统偏差,探讨组合神经网络时序预测方法,用实例验证了组合神经网络比单一神经网络的预测精度高. 相似文献
10.
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
11.
为进一步提高船舶航行动态预测的精度,提出将长短期记忆(long short-term memory,LSTM)网络应用到船舶航行动态预测。将船舶自动识别系统(automatic identification system,AIS)数据转化为航行动态时间序列数据用于LSTM网络的训练和测试。将预测结果与传统的航迹推算法、BP(back propagation)神经网络法等的预测结果进行对比,结果证明:基于LSTM网络的船舶航行动态预测模型具有精度高、鲁棒性强、通用性好等特点。预测结果可以为船舶交通管理中心(vessel traffic services,VTS)的监管提供参考,在预警船舶碰撞、搁浅等事故方面具有较高的实际应用价值。 相似文献
12.
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
13.
基于多种群遗传神经网络的船舶发电机故障诊断 总被引：3，自引：0，他引：3
为及时发现船舶发电系统的早期故障,通过多种群遗传算法与反向传播（BackPropagation, BP)神经网络算法相结合,提出一种基于多种群遗传神经网络算法的船舶发电机故障诊断方法.利用该算法对实例进行故障诊断,结果证明该算法能有效克服BP神经网络收敛速度慢和易出现局部极小值的缺点.该算法有全局搜索能力强、优化速度快的特点,具有一定的应用前景. 相似文献
14.
针对自回归移动平均(auto regressive moving average,ARMA)模型在船舶纵摇角度预测时不具有普遍适用性问题,提出使用自回归综合移动平均(auto regressive integrated moving average,ARIMA)模型进行纵摇角度预测,并采用改进粒子群优化(particle swarm optimization,PSO)算法对模型定阶。对纵摇角度值序列数据进行平稳性检验和差分运算,确定ARIMA模型的适用性;采用具有针对性适应度评价函数的PSO算法进行模型定阶,并优化PSO算法的权重计算方法。通过仿真对比验证本文所提方法的科学性和有效性。仿真结果表明:采用改进PSO算法进行模型定阶的方法能够有效提升模型的预测精度,具有更好的预测效果。 相似文献
15.
为了改进BP算法预测性能,提出QPSO-BP模型.该模型采用DELTA势阱改进的量子粒子群(QPSO)算法优化BP网络的权值与阈值,然后利用各年的GDP数据进行训练和预测.结果表明:经过DELTA势阱改进的QPSO优化BP算法模型比PSO-BP模型和BP神经网络更稳定,预测精度更高且泛化能力更强.与文献中所用模型的运算结果相比较,这种改进模型运算结果的相对误差和平均误差更小,在准确性上也有一定的优势. 相似文献
16.
针对三峡枢纽过坝货运量预测受多种因素影响及其具有的非线性特点,提出一种基于改进灰色模型和神经网络的组合预测模型。针对传统组合预测模型在赋权上的局限性,提出基于诱导有序加权几何平均(induced ordered weighted geometric averaging,IOWGA)算子的赋权方法。计算结果比较:组合预测模型的均方误差和均方百分比误差都比各单一预测模型的小。利用组合预测模型对2019—2022年三峡枢纽过坝货运量进行了预测,可为相关决策者提供参考。 相似文献