基于船舶自动识别系统与人工神经网络的船舶载重预测
传统的船舶载重获取方法多基于人工查表、经验计算和回归分析,这些方法操作麻烦,自动化水平较低,计算过程充斥着大量经验数值和统计公式,而一些统计公式和经验数值随着船型的变化已经过时,需要及时更新.目前,获取全球船舶动态载重是一项困难的工作.文中提出基于船舶自动识别系统和人工神经网络的船舶载重预测方法,该方法分析了船舶长度、宽度、吃水深度、船舶类型与船舶载重的数学关系,建立了Adam-Dropout优化的多层人工神经网络,确定了船舶载重预测的最佳输入组合;同时,还探究了该方法适用的船舶类型.实验结果表明,ANN的输入为船舶长度、宽度、吃水深度、船舶类型时,预测效果最好,MAPE误差为7.63%,最小APE误差可达0.05%;神经网络的隐含层数为4、神经元个数为11时,预测结果最优;该方法适用于原油船、散货船、化学品船、集装箱船、液化天然气船、液化石油气船、成品油船、杂货船、冷冻船,预测MAPE误差均在15%以内.
船舶载重、吃水深度、船舶自动识别系统、人工神经网络、平均绝对百分误差
47
TP391(计算技术、计算机技术)
广西科技重大专项;广西科技基地和人才专项
2020-07-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
49-53