基于循环结构优化的Elman神经网络船舶交通流量预测

摘要：

针对港口的船舶交通流量预测精度不高的问题,首次采用Elman神经网络进行船舶交通流量预测,同时引入以预测误差为条件的循环结构优化Elman神经网络,并利用前6个月数据预测后一个月数据的方式重新构建原始数据.同时,将优化后的Elman神经网络应用于芜湖港船舶交通流量的预测,并与原始的Elman神经网络、反向传播(BP)神经网络以及径向基函数(RBF)神经网络的预测结果进行误差及评价指标的分析比较.结果显示,在船舶交通流量预测方面,循环结构优化的Elman神经网络的预测误差在2％以内,小于原始Elman神经网络的3％的误差,远远小于BP神经网络的8％和RBF神经网络的6％的误差,同时优化后的Elman神经网络的各项评价指标均占据优势.表明了Elman神经网络在船舶交通流量预测方面的良好适用性,同时循环结构的优化效果明显,其预测性能更优,预测值更接近实际值,具有很大的应用价值.

关键词：水上交通、船舶交通流量、Elman神经网络、循环结构、流量预测、精度分析

所属期刊栏目：29

资助基金：国家自然科学基金51579025;辽宁省自然科学基金201602082

在线出版日期：2019-05-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：295-301