基于GA-BP神经网络的船舶航迹预测

发布时间：2021-12-11 05:11

　　为了更精确地预测船舶航行轨迹,针对BP神经网络在船舶航迹预测过程中容易陷入局部最优、预测误差较大等问题,提出采用GA算法优化BP神经网络进行船舶航迹的预测.通过构建GA-BP神经网络,对BP神经网络中的初始权值和阈值进行优化,综合考虑经纬度、航速、航向等行为特征,实现对船舶航迹的预测.以太平口水道区域内某船舶真实航行的AIS信息作为测试案例进行验证,并将预测结果与BP神经网络预测结果进行对比.结果表明,基于GA-BP神经网络的航迹预测模型的预测误差不超过(410^-4)°,与BP神经网络相比,MAPE和RMSE更低,具有较高的预测精度.

【文章来源】： 广州航海学院学报. 2020,28(04)

【文章页数】：4 页

【文章目录】：
1 GA-BP神经网络
    1.1 BP神经网络
    1.2 遗传算法
2 基于GA-BP的船舶航迹预测模型
    2.1 模型结构
    2.2 GA-BP神经网络参数分析
    2.3 评价指标的选取
3 实例分析
4 结论


【参考文献】：
期刊论文
[1]基于GA-BP神经网络的城市用水量预测 [J]. 武风波,赵盼,吕茜彤.  现代电子技术. 2020(08)
[2]基于DE-SVM的船舶航迹预测模型 [J]. 刘娇,史国友,杨学钱,朱凯歌.  上海海事大学学报. 2020(01)
[3]基于LSTM的船舶航迹预测 [J]. 陈凯达,朱永生,闫柯,蔡依青,任智军,高大为.  船海工程. 2019(06)
[4]基于Attenton-LSTM神经网络的船舶航行预测 [J]. 徐国庆,马建文,吴晨辉,张安西.  舰船科学技术. 2019(23)
[5]基于AIS数据和LSTM网络的船舶航行动态预测 [J]. 任宇翔,赵建森,刘卫,王胜正,韦雨含.  上海海事大学学报. 2019(03)
[6]基于极限学习机的船舶航行行为预测! [J]. 谢新连,陈紫薇,魏照坤,赵瑞嘉.  重庆交通大学学报(自然科学版). 2019(08)
[7]基于多项式卡尔曼滤波的船舶轨迹预测算法 [J]. 姜佰辰,关键,周伟,陈小龙.  信号处理. 2019(05)
[8]基于循环结构优化的Elman神经网络船舶交通流量预测 [J]. 朱庆辉,李广儒,杨晓,勾翔宇,李海丽.  高技术通讯. 2019(03)
[9]基于LSTM的船舶航迹预测模型 [J]. 权波,杨博辰,胡可奇,郭晨萱,李巧勤.  计算机科学. 2018(S2)
[10]基于AIS信息和BP神经网络的船舶航行行为预测 [J]. 甄荣,金永兴,胡勤友,施朝健,王胜正.  中国航海. 2017(02)



本文编号：3534069