基于广义回归神经网络的船舶交通量预测模型

摘要：

船舶交通量受多种环境与社会因素的影响,使得船舶交通量预测存在复杂性与非线性的特点.在分析现有预测模型和方法不足的基础上,介绍了广义回归神经网络GRNN的基本原理与拓扑结构.不同类型船舶受各类因素影响的程度不同,根据天津港VTS(Vessel Traffic Services)中心提供的船舶交通量数据,按船舶种类将船舶交通量分为六类,利用GRNN神经网络分别进行预测.预测结果表明GRNN神经网络具有很强的非线性拟合能力,有效解决了天津港船舶交通量预测中的小样本问题,提高了整个预测系统的精度与稳定性.

关键词：水路运输、船舶交通量、广义回归神经网络、小样本问题、组合预测模型

所属期刊栏目：34

分类号：U692.3;TP274(水路运输技术管理)

在线出版日期：2011-10-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：74-77,85