基于蚁群算法优化反向传播神经网络的港口吞吐量预测

发布时间：2020-12-23 05:20

　　利用蚁群算法优化反向传播神经网络的初始权值、阈值,建立预测模型,对港口货物吞吐量进行预测。蚁群算法具有全局搜索能力,分布式计算和鲁棒性强等特点,有利于加快反向传播神经网络的收敛速度,避免易陷入局部极值的问题,提高建模精度。在港口吞吐量预测中的应用表明:蚁群算法优化BP神经网络模型、模糊神经网络预测模型、RBF预测模型及BP预测模型的平均绝对百分比误差分别为2.826%、3.734%、4.990%和6.566%;同时,蚁群算法优化BP神经网络模型收敛速度最快。 

【文章来源】：计量学报. 2020年11期 北大核心

【文章页数】：6 页

【部分图文】：

BP神经网络结构图

BP训练结果

RBF训练结果

【参考文献】：
期刊论文
[1]基于小波神经网络的上海港集装箱吞吐量预测[J]. 朱庆辉,勾翔宇.  中国水运. 2019(06)
[2]基于时间序列模型的港口集装箱吞吐量预测[J]. 吴琛.  珠江水运. 2019(05)
[3]港口集装箱吞吐量预测方法研究[J]. 刘逸群,曾鸣.  物流工程与管理. 2018(08)
[4]基于大数据简约及PCA改进RBF网络的短期电力负荷预测[J]. 张淑清,任爽,陈荣飞,钱磊,姜万录,李盼.  计量学报. 2018(03)
[5]河南省货运吞吐量预测研究[J]. 刘源,韩阳易.  现代商业. 2018(11)
[6]基于灰色神经网络的港口货物吞吐量预测算法[J]. 胡克满,蒋勇,王顺林,胡海燕.  物流技术. 2018(02)
[7]PCA-GRNN在综合气象短期负荷预测中的应用[J]. 张淑清,任爽,姜安琦,胡永涛,张航飞,乔永静.  计量学报. 2017(03)
[8]张家港永嘉集装箱码头集装箱吞吐量组合预测[J]. 余国刚,冯琪,徐粉.  物流技术. 2017(04)
[9]基于BP神经网络的港口吞吐量预测模型[J]. 刘枚莲,朱美华.  系统科学学报. 2012(04)

硕士论文
[1]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



本文编号：2933145