基于二维矩阵分解的船舶交通流预测

摘要：

为克服船舶交通流的非线性和非平稳性特点造成的预测精度不高的问题,提出了一种融合二维经验模式分解(Bidimensional Empirical Mode Decomposition,BEMD)和时序正则化矩阵分解(Temporal regularized matrix fac-torization,TRMF)的船舶交通流预测方法.首先,将传统一维船舶交通流时序数据重整为二维交通流量时序矩阵(天×时段),再利用BEMD将二维交通流量数据分解为高频矩阵和低频矩阵,其中高频矩阵体现突变因素对交通流的影响,低频矩阵体现稳定因素对交通流的影响;接着,采用引入正则时序项的TRMF,分别对高频与低频矩阵进行预测,进而融合得到最终的交通流量预测结果;最后,对比分析BEMD-TRMF、GM(1,1)、ARIMA、BPNN、WNN、LSTM和TRMF预测模型,结果表明BEMD-TRMF模型的平均预测误差约为3％,优于对比模型,达到了较好的预测精度.

关键词：船舶交通流;二维经验模式分解;时序正则化矩阵分解;组合预测

所属期刊栏目：44

分类号：U692(水路运输技术管理)

资助基金：国家自然科学基金;国家重点研发计划;湖北省科技创新专项

在线出版日期：2021-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：76-83