基于组合优化模型的水上交通事故预测研究
发布时间：2021-10-23 21:34
随着水路运输的持续稳定发展,导致船舶数量日益增加,水上交通事故潜在风险也随之增大。因此,建立合适的水上交通事故预测模型,对理清水上交通事故发生数量与事故影响因素之间的复杂关系,控制水上交通事故发生趋势具有重要的现实意义。本文首先从定性预测、定量预测和组合预测三个方面,归纳了水上交通事故预测方法的研究现状,介绍了五种单项预测模型、组合预测模型的理论和预测性能评价方法;应用博德理论,深入研究水上交通事故发生的机理,运用灰色关联分析法,从人为因素、船舶因素、环境因素、管理因素、经济因素五个方面,对水上交通事故的影响因素进行定量分析,并找出关键性的影响因素;在综合分析水上交通系统的非线性、随机性、动态性以及不确定性的特点和各单项预测模型适用性的基础上,选择灰色模型和BP神经网络模型,通过误差修正技术的方式进行组合,建立组合优化模型。最后,以2001年-2014年水上交通事故数据为样本数据,2015年～2016年水上交通事故数据为测试数据,分别用两种单项模型和组合优化模型进行实例预测,通过预测性能评价方法,比较组合优化模型和灰色模型、BP神经网络模型两种单项模型的预测结果,实例验证表明:组合优化...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
图５．１灰色模型预测值和实际值??Ｆｉｇ．?５．１?Ｇｒａｙ?ｍｏｄｅｌ?ｐｒｅｄｉｃｔｅｄ?ｖａｌｕｅ?ａｎｄ?ａｃｔｕａｌ?ｖａｌｕｅ??
?基于组合优化模型的水上交通事故预测研究???９００，，能，数（误－ｔ＾—屮的，变化网，＿??８００?－，?－??７００?－?－??６００?－??窈?５００?．?－??■?４００?－?－??３００?－?－??２００?－??１００?Ｌ?Ｉ?－??Ｑ???１?Ｉ．－．?？?———?■?，■?■?ｔ－?－?，１?．．??——．＾１———??１０?２０?３０?４０?５０?６０?７０?８０?９０?１００??训练过??图５．４能量函数（误差平方和）变化图??Ｆｉｇ．?５．４?Ｃｈａｎｇｅ?ｇｒａｐｈ?ｏｆ?ｅｎｅｒｇｙ?ｆｕｎｃｔｉｏｎ?（ｓｕｍ?ｏｆ?ｓｑｕａｒｅｄ?ｅｒｒｏｒｓ）??通过基于ＢＰ神经网络的水上交通事故预测模型，我们可以计算得到２０１５年水上交??通事故数为２５２，２０１６年水上交通事故数为２５３，平均相对误差为０．２３９８，神经网络模??型精度高于灰色模型。??５．?３基于组合优化模型的水上交通事故预测实例??基于组合优化模型的水上交通事故预测的计算步骤如下：??（１）本文首先运用灰色对２００１年－２０１４年全国水上交通事故数进行预测，预测结??果序列如表５．４所示；??（２）将原始事故序列；与预测结果序列；＾）作差，得到残差序列＜／）；??（３）将残差序列输入到优化过的ＢＰ神经网络预测模型中进行训练学习，最终预测??得到２０１５年和２０１６年水上交通事故数。??基于遗传算法优化的ＢＰ神经网络预测模型参数设置如下：??一、种群的初始化：本文采用的ＢＰ神经网络结构输入层节点数为４，输出层节点??数为１，因此种群规模为２０。??二、适应度函数：本文将神经网络
【参考文献】：
期刊论文
[1]基于灰色BP神经网络组合模型的水上交通事故数预测[J]. 范中洲,赵羿,周宁,赵冲,张文烨. 安全与环境学报. 2020(03)
[2]长江干线水上交通事故的灰色分析与预测[J]. 徐东星,尹勇,张秀凤,孙珽,叶进. 中国航海. 2019(02)
[3]水上交通事故组合预测模型的构建及应用[J]. 王当利,王雪佳,吕雪,杨馨颖. 武汉理工大学学报(交通科学与工程版). 2019(03)
[4]一阶多变量灰色预测模型GM（1,N）应用实证分析[J]. 蔡素丽. 哈尔滨师范大学自然科学学报. 2019(01)
[5]基于灰色马尔科夫模型的船舶交通流预测[J]. 刘成勇,万伟强,陈蜀喆,甘浪雄. 中国航海. 2018(03)
[6]改进灰色模型在海上交通综合安全指数预测应用[J]. 陈昌源,戴冉,冯纪军,岳兴旺,张杰. 中国航海. 2017(01)
[7]基于德尔菲法和预先危险性分析的船舶引航风险源辨识[J]. 梁肇基,王晨,江福才. 港口经济. 2017(03)
[8]基于ARIMA模型的水上交通事故预测[J]. 张艳艳,刘晓佳,熊子龙,张可. 中国水运(下半月). 2017(02)
[9]加权灰色关联理论模型在辽宁海上交通事故分析与预测中的应用[J]. 牛佳伟,李连博,陈昌源,林威. 上海海事大学学报. 2016(01)
[10]道路交通事故发生机理研究现状与趋势分析[J]. 李淑庆,彭囿朗,肖莉英,孟思梦,王鹏,徐继鹏. 安全与环境学报. 2014(03)
博士论文
[1]水上交通事故致因问题研究[D]. 张丽丽.大连海事大学 2017
[2]组合预测方法及其应用研究[D]. 马涛.兰州大学 2017
[3]基于马尔可夫链的道路交通事故预测研究及应用[D]. 赵玲.长安大学 2013
硕士论文
[1]基于IOWA算子的水上交通事故组合预测方法研究[D]. 吕雪.武汉理工大学 2018
[2]基于改进灰色系统和GABP网络组合模型的事故预测[D]. 胡凯.中国计量大学 2018
[3]遗传算法优化的BP神经网络在连云港港口吞吐量预测中的应用研究[D]. 杨客.深圳大学 2017
[4]基于时间权重的船舶事故组合预测分析[D]. 王雅钦.集美大学 2017
[5]组合预测模型的研究与应用[D]. 李佩.武汉理工大学 2017
[6]基于Apriori算法的船舶碰撞事故致因分析[D]. 孙斌.大连海事大学 2016
[7]基于遗传算法优化BP神经网络的乳化器故障预警系统的研究[D]. 陆康健.杭州电子科技大学 2016
[8]基于遗传算法优化的BP神经网络股票价格预测[D]. 张希影.青岛科技大学 2014
[9]基于遗传算法的BP神经网络的优化研究及MATLAB仿真[D]. 任谢楠.天津师范大学 2014
[10]基于德尔菲法的技术预见[D]. 曲钟阳.大连理工大学 2013
本文编号：3453952
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
图５．１灰色模型预测值和实际值??Ｆｉｇ．?５．１?Ｇｒａｙ?ｍｏｄｅｌ?ｐｒｅｄｉｃｔｅｄ?ｖａｌｕｅ?ａｎｄ?ａｃｔｕａｌ?ｖａｌｕｅ??
?基于组合优化模型的水上交通事故预测研究???９００，，能，数（误－ｔ＾—屮的，变化网，＿??８００?－，?－??７００?－?－??６００?－??窈?５００?．?－??■?４００?－?－??３００?－?－??２００?－??１００?Ｌ?Ｉ?－??Ｑ???１?Ｉ．－．?？?———?■?，■?■?ｔ－?－?，１?．．??——．＾１———??１０?２０?３０?４０?５０?６０?７０?８０?９０?１００??训练过??图５．４能量函数（误差平方和）变化图??Ｆｉｇ．?５．４?Ｃｈａｎｇｅ?ｇｒａｐｈ?ｏｆ?ｅｎｅｒｇｙ?ｆｕｎｃｔｉｏｎ?（ｓｕｍ?ｏｆ?ｓｑｕａｒｅｄ?ｅｒｒｏｒｓ）??通过基于ＢＰ神经网络的水上交通事故预测模型，我们可以计算得到２０１５年水上交??通事故数为２５２，２０１６年水上交通事故数为２５３，平均相对误差为０．２３９８，神经网络模??型精度高于灰色模型。??５．?３基于组合优化模型的水上交通事故预测实例??基于组合优化模型的水上交通事故预测的计算步骤如下：??（１）本文首先运用灰色对２００１年－２０１４年全国水上交通事故数进行预测，预测结??果序列如表５．４所示；??（２）将原始事故序列；与预测结果序列；＾）作差，得到残差序列＜／）；??（３）将残差序列输入到优化过的ＢＰ神经网络预测模型中进行训练学习，最终预测??得到２０１５年和２０１６年水上交通事故数。??基于遗传算法优化的ＢＰ神经网络预测模型参数设置如下：??一、种群的初始化：本文采用的ＢＰ神经网络结构输入层节点数为４，输出层节点??数为１，因此种群规模为２０。??二、适应度函数：本文将神经网络
【参考文献】：
期刊论文
[1]基于灰色BP神经网络组合模型的水上交通事故数预测[J]. 范中洲,赵羿,周宁,赵冲,张文烨. 安全与环境学报. 2020(03)
[2]长江干线水上交通事故的灰色分析与预测[J]. 徐东星,尹勇,张秀凤,孙珽,叶进. 中国航海. 2019(02)
[3]水上交通事故组合预测模型的构建及应用[J]. 王当利,王雪佳,吕雪,杨馨颖. 武汉理工大学学报(交通科学与工程版). 2019(03)
[4]一阶多变量灰色预测模型GM（1,N）应用实证分析[J]. 蔡素丽. 哈尔滨师范大学自然科学学报. 2019(01)
[5]基于灰色马尔科夫模型的船舶交通流预测[J]. 刘成勇,万伟强,陈蜀喆,甘浪雄. 中国航海. 2018(03)
[6]改进灰色模型在海上交通综合安全指数预测应用[J]. 陈昌源,戴冉,冯纪军,岳兴旺,张杰. 中国航海. 2017(01)
[7]基于德尔菲法和预先危险性分析的船舶引航风险源辨识[J]. 梁肇基,王晨,江福才. 港口经济. 2017(03)
[8]基于ARIMA模型的水上交通事故预测[J]. 张艳艳,刘晓佳,熊子龙,张可. 中国水运(下半月). 2017(02)
[9]加权灰色关联理论模型在辽宁海上交通事故分析与预测中的应用[J]. 牛佳伟,李连博,陈昌源,林威. 上海海事大学学报. 2016(01)
[10]道路交通事故发生机理研究现状与趋势分析[J]. 李淑庆,彭囿朗,肖莉英,孟思梦,王鹏,徐继鹏. 安全与环境学报. 2014(03)
博士论文
[1]水上交通事故致因问题研究[D]. 张丽丽.大连海事大学 2017
[2]组合预测方法及其应用研究[D]. 马涛.兰州大学 2017
[3]基于马尔可夫链的道路交通事故预测研究及应用[D]. 赵玲.长安大学 2013
硕士论文
[1]基于IOWA算子的水上交通事故组合预测方法研究[D]. 吕雪.武汉理工大学 2018
[2]基于改进灰色系统和GABP网络组合模型的事故预测[D]. 胡凯.中国计量大学 2018
[3]遗传算法优化的BP神经网络在连云港港口吞吐量预测中的应用研究[D]. 杨客.深圳大学 2017
[4]基于时间权重的船舶事故组合预测分析[D]. 王雅钦.集美大学 2017
[5]组合预测模型的研究与应用[D]. 李佩.武汉理工大学 2017
[6]基于Apriori算法的船舶碰撞事故致因分析[D]. 孙斌.大连海事大学 2016
[7]基于遗传算法优化BP神经网络的乳化器故障预警系统的研究[D]. 陆康健.杭州电子科技大学 2016
[8]基于遗传算法优化的BP神经网络股票价格预测[D]. 张希影.青岛科技大学 2014
[9]基于遗传算法的BP神经网络的优化研究及MATLAB仿真[D]. 任谢楠.天津师范大学 2014
[10]基于德尔菲法的技术预见[D]. 曲钟阳.大连理工大学 2013
本文编号：3453952
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3453952.html
