基于PSO的BP神经网络-Markov船舶交通流量预测模型
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于PSO的BP神经网络-Markov船舶交通流量预测模型范庆波;江福才;马全党;马勇
【期刊名称】《上海海事大学学报》
【年(卷),期】2018(039)002
【摘要】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.
【总页数】7页(P22-27,54)
【作者】范庆波;江福才;马全党;马勇
【作者单位】武汉理工大学航运学院 430063;武汉理工大学内河航运技术湖北省重点实验室 430063;武汉理工大学航运学院 430063;武汉理工大学内河航运技术湖北省重点实验室 430063;武汉理工大学航运学院 430063;武汉理工大学内河航运技术湖北省重点实验室 430063;武汉理工大学航运学院 430063;武汉理工大学内河航运技术湖北省重点实验室 430063
【正文语种】中文
【中图分类】U691;O211.62
【相关文献】
1.SARIMA-Markov模型在船舶交通流量预测中的应用 [J], 江福才;范庆波;马全党;张帆;马勇
2.PSO-无偏灰色马尔科夫模型在船舶交通流量预测中的应用 [J], 马全党;江福才;范庆波;朱蓉蓉
3.基于遗传算法(GA)优化BP神经网络的船舶交通流量预测 [J], 黄富程; 刘德新; 辛博鹏; 安天圣; 曹杰
4.基于ABC优化BP神经网络的船舶交通流量预测 [J], 黄富程;刘德新;曹杰;安天圣
5.遗传BP神经网络与GM（1，1）模型在桥区船舶交通流量预测中的比较 [J], 郭沐壮;刘德新;张仕元
因版权原因，仅展示原文概要，查看原文内容请购买。