检索结果-南通市图书馆

基于注意力机制的CNN-GRU船舶交通流预测模型

在线全文

学校读者我要写书评

暂无评论

大连海事大学学报 2023年第1期49卷 75-84页

作者：吴莹莹赵丽宁袁志鑫张灿大连海事大学航海学院辽宁大连116026

为更准确地预测内河船舶交通流,提出基于注意力机制的CNN-GRU船舶交通流预测模型。该模型主要借助一维卷积单元提取数据的高维特征,GRU单元学习数据中的时序特征,并通过引入注意力机制加强重要特征的学习,实现对超长序列的学习。此外,... 详细信息

为更准确地预测内河船舶交通流,提出基于注意力机制的CNN-GRU船舶交通流预测模型。该模型主要借助一维卷积单元提取数据的高维特征,GRU单元学习数据中的时序特征,并通过引入注意力机制加强重要特征的学习,实现对超长序列的学习。此外,通过分析内河上下游航道交通流间的关联性,提取长江中下游6个航段的船舶AIS数据,构造多航段船舶交通流序列数据集,并将其输入本文模型中进行训练及测试。结果表明:相比序列预测模型中的SAE、LSTM、GRU、CNN+GRU和GRU+Attention,本文模型在针对不同交通流参数的预测中均具有更高的预测精度,交通流量、交通流密度和交通流速度的预测精度分别达到95.42%、97.33%、94.99%,可更好地满足工程应用需求。

关键词：船舶交通流预测多航段预测门控循环神经网络注意力机制卷积神经网络

基于FCM-ANFIS模型的船舶交通流预测

在线全文

学校读者我要写书评

暂无评论

中国航海 2018年第2期41卷 73-76,101页

作者：惠子刚肖建兵青岛远洋船员职业学院航海系山东青岛266071

提出一种基于模糊C均值聚类自适应神经模糊推理系统(Fuzzy C-Means Clustering Algorithm with Adaptive Neural-Fuzzy Inference System,FCM-ANFIS)的船舶海上交通流预测模型,采用相关分析法预测网络模型的输入变量个数;采用模糊C均值... 详细信息

提出一种基于模糊C均值聚类自适应神经模糊推理系统(Fuzzy C-Means Clustering Algorithm with Adaptive Neural-Fuzzy Inference System,FCM-ANFIS)的船舶海上交通流预测模型,采用相关分析法预测网络模型的输入变量个数;采用模糊C均值聚类算法对仿真数据进行分析和模糊聚类,从而确定模型的聚类中心,进而建立ANFIS预测网络结构。该模型采用BP算法与最小二乘算法相结合的混合学习算法进行网络参数训练,可克服传统预报模型收敛速度慢和局部最优等问题,进而提高预报精度。同时,选用船舶自动识别系统(Automatic Identification System,AIS)记录的船舶交通流数据进行仿真预报,仿真结果验证了该模型的可行性和有效性,并取得良好的效果。

关键词：船舶交通流预测模糊C均值聚类自适应模糊推理系统相关分析

在线全文

学校读者我要写书评

暂无评论

基于AIS和宽度学习的船舶交通流预测研究

基于AIS和宽度学习的船舶交通流预测研究

作者：衣启航大连海事大学

学位级别：硕士

随着近年来我国海上航运事业取得的持续快速的发展,中国沿海地区也已经发展成为了当今世界上水路交通运输事业最为发达繁忙的经济地区。由于海上交通规模的不断扩大,海洋事故发生率也有逐年上升的发展势头,建设完善的水路运营管理机制... 详细信息

随着近年来我国海上航运事业取得的持续快速的发展,中国沿海地区也已经发展成为了当今世界上水路交通运输事业最为发达繁忙的经济地区。由于海上交通规模的不断扩大,海洋事故发生率也有逐年上升的发展势头,建设完善的水路运营管理机制非常关键,而准确的船舶交通流预测正是最为直观的科学管理依据,能够对水路管理提供有效支持,船舶交通管理人员可以根据船舶交通流预测结果提前对船舶进行诱导指挥,避免一系列交通安全事故的发生。面对当前交通流预测算法准确度低、收敛慢和性能不稳定等实际问题,我们就从这些主要方面着手对船舶交通流预测问题开展了深入研究,对港口航道水域的日船舶交通流量展开预测研究。本文以宁波舟山港口重要航道虾峙门航道为案例,进行船舶交通流的预测模型建立及结果分析。首先,本文根据虾峙门航道的地理位置提取并筛选了进出该航道的船舶自动识别系统(Automatic Identification System,AIS)数据,并对采集到的数据进行了去噪声等预处理操作;然后,本文使用宽度学习系统(Broad Learning System,BLS)建立船舶交通流预测模型,根据交通流的时间序列特性,构建了基于BLS的船舶交通流预测模型;最后,在BLS模型的训练参数的优化问题上,利用了改进的粒子群算法(Particle Swarm optimization,PSO)对BLS模型进行参数优化,进一步提高了船舶交通流的预测精度。为了验证本文所提模型的预测性能,采用差分整合移动平均自回归模型(Auto-Regressive Integrated Moving Average Model,ARIMA)、BP神经网络(Back-Propagation Neural Network,BPNN)模型和基于遗传算法(Genetic Algorithm,GA)优化BPNN模型对船舶交通流进行了建模,并与本文提出的预测模型进行了对比。实验结果表明本文提出的基于BLS及其基于改进PSO优化的预测模型具有更高的预测精度。本文基于AIS船舶数据和宽度学习系统对船舶交通流预测问题进行了深入的研究。相关的实验验证了模型预测的有效性,表明本文提出的基于改进PSO优化的BLS预测模型对船舶交通流预测的精度更高,为航道的船舶交通流管理以及规划提供更加准确可靠的科学支持。

关键词：船舶交通流预测 AIS数据宽度学习系统粒子群算法

基于注意力机制的GCN-LSTM船舶交通流预测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于注意力机制的GCN-LSTM船舶交通流预测方法研究

作者：马强南京理工大学

学位级别：硕士

随着国内航运业的快速发展,水上交通带来诸多红利的同时,越来越多的安全隐患也在逐渐显现。一些大型港口的运力已超过亿吨,但仍然没有清晰的航线引导,对航运从业者的生命和财产安全构成威胁。因此对港口区域进行科学的交通流预测显得很... 详细信息

随着国内航运业的快速发展,水上交通带来诸多红利的同时,越来越多的安全隐患也在逐渐显现。一些大型港口的运力已超过亿吨,但仍然没有清晰的航线引导,对航运从业者的生命和财产安全构成威胁。因此对港口区域进行科学的交通流预测显得很有必要,这有助于降低港口的通行压力,避免交通事故,优化航道规划。首先,本文在现阶段交通流预测和船舶交通流预测模型的基础上,对短期船舶交通流预测进行研究,针对船舶交通流时空相关性的特点,提出了一种基于GCN-LSTM的模型,提取船舶交通流的时空特征,实现港口船舶交通流的预测。其次,为了进一步提高预测性能,在GCN-LSTM预测模型的基础上,本文又提出了一种基于注意力机制的GCN-LSTM模型。通过注意力机制解决了输入序列较长所导致的预测性能下降问题,并进行参数调整优化。选取MAE和RMSE作为评价指标对船舶交通流预测结果进行量化对比分析。基于注意力机制的GCN-LSTM模型的评价指标MAE和RMSE分别达到了0.6667和1.0206,验证了模型中注意力模块的有效性;与现有主流预测方法相比,该模型具有更好的预测精度。最后,根据港口船舶交通和新冠疫情防控的实际需求,设计并实现了港口船舶交通流预测软件。软件的前端搭建使用j Query和Bootstrap框架,软件后端和数据库分别使用Django框架和My SQL数据库。软件可提供船舶AIS数据上传、流量警戒线设置、船舶交通流预测、历史流量查询等功能。经过测试,验证了软件的有效性。

关键词：船舶交通流预测图卷积神经网络长短时记忆网络注意力机制

基于改进PSO-BP神经网络的船舶交通流预测分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

天津航海 2020年第3期 48-53页

作者：肖建兵惠子刚青岛远洋船员职业学院航海系青岛266071

为了进一步提高船舶交通流的预报精确度,文章建立了一种自适应变异的粒子群优化算法SAPSO,将BP神经网络模型与SAPSO算法相结合,进行船舶海上交通流分析预测。此外,文章采用灰色关联分析法GCA确定交通流预测模型的输入维数。SAPSO-BP预... 详细信息

为了进一步提高船舶交通流的预报精确度,文章建立了一种自适应变异的粒子群优化算法SAPSO,将BP神经网络模型与SAPSO算法相结合,进行船舶海上交通流分析预测。此外,文章采用灰色关联分析法GCA确定交通流预测模型的输入维数。SAPSO-BP预测模型运用自适应变异的PSO算法优化传统BP神经网络的模型参数,克服了传统BP神经网络的对模型的初始权值阈值敏感和易陷入局部最优的缺点,进而提高模型的预报精度。选用天津港口区域的船舶AIS实验数据,验证了预测模型的有效性。

关键词：船舶交通流预测粒子群优化算法 BP神经网络灰色关联分析

基于矩阵低秩稀疏分解的船舶交通流量预测研究

在线全文

学校读者我要写书评

暂无评论

基于矩阵低秩稀疏分解的船舶交通流量预测研究

作者：杨双双武汉理工大学

学位级别：硕士

随着我国水运经济的发展,船舶交通流量迅速增加,推动我国经济、社会发展的同时,海上交通运输风险也日趋严峻.有效减少海上交通事故的方法之一是准确高效的船舶交通流量预测,其为港口水域的规划设计及通航管理提供决策性依据.在分析总结... 详细信息

随着我国水运经济的发展,船舶交通流量迅速增加,推动我国经济、社会发展的同时,海上交通运输风险也日趋严峻.有效减少海上交通事故的方法之一是准确高效的船舶交通流量预测,其为港口水域的规划设计及通航管理提供决策性依据.在分析总结各种船舶交通流量预测模型的基础上,考虑数据间的自相关性和低秩性,本文将低秩稀疏分解理论应用于船舶交通流预测中.首先,文章利用统计理论对船舶交通流数据进行分析,揭示交通流数据的季节变化规律及船舶交通流数据矩阵具有低秩性和稀疏性特征.基于此,将矩阵低秩稀疏分解理论引入船舶交通流预测中.将交通流数据分解为低秩和稀疏两部分,其中低秩部分反映数据间稳定的内在变化规律,稀疏部分体现突变因素对交通流量的影响.然后,为提高数据有效利用率,在传统低秩稀疏分解模型基础上,增加全变分约束项,建立基于低秩稀疏-全变分约束的预测模型.将模型应用于天津港船舶交通流预测中.实验结果表明,低秩稀疏-全变分约束预测模型能反映船舶交通流量的季节变化规律,较神经网络及传统低秩稀疏分解模型能够显著地提高预测精度.最后,文章将传统的凸优化模型进行推广,用l范数替换原始的l范数,建立基于非凸低秩稀疏约束的船舶交通流量预测模型,并与常用方法进行实验对比分析.通过非凸低秩稀疏分解模型的求解,表明其相关理论可用于非凸模型求解中.实验表明,本文建立的低秩稀疏分解模型能够有效地利用数据低秩特性,提高预测精度,更准确地预测船舶交通流量.

关键词：船舶交通流预测低秩稀疏分解交替方向乘子法分裂Bregman迭代算法

基于交通流预测的商渔船航行路径优化——以成山头水域为例

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于交通流预测的商渔船航行路径优化——以成山头水域为例

作者：吴晨辉山东交通学院

学位级别：硕士

成山头位于山东半岛最东端,是船舶进出渤海湾和黄海北部各港口的交通要塞。同时,该水域也是我国北方重要的渔业产业地区,商船习惯航线与渔业作业区域重叠,导致水域商船和渔船混杂航行,极易发生船舶事故,成山头水域已经成为我国商渔船碰... 详细信息

成山头位于山东半岛最东端,是船舶进出渤海湾和黄海北部各港口的交通要塞。同时,该水域也是我国北方重要的渔业产业地区,商船习惯航线与渔业作业区域重叠,导致水域商船和渔船混杂航行,极易发生船舶事故,成山头水域已经成为我国商渔船碰撞(商船和渔船碰撞)的事故高发区域。本文围绕商渔船碰撞这一难题,结合成山头水域实际通航环境特点,采用深度学习和机器学习的方法对船舶交通流和船舶航行路径优化问题进行研究。首先,分析了成山头水域的自然环境和船舶通航环境的基本概况,对该水域2016年至2019年的船舶事故进行统计,并采用事故树方法从商船、渔船、环境因素、管理系统四个方面对水域商渔船碰撞事故的原因进行分析。其次,对成山头分道通航水域的船舶自动识别系统(Automatic Identification System,AIS)数据进行数据预处理和船舶交通流数据挖掘。其中,为了精准预测水域船舶的交通流,采用双向门循环控制单元(Bidirectional Gate Recurrent Unit,BI-GRU)神经网络方法对成山头分道通航水域的船舶交通流进行全局预测。最后,在对分道通航水域交通流预测的基础上,构建成山头水域商渔船通航场景。基于改进遗传算法设计船舶航行路径优化模型,应用于模拟计算商渔船在限制水域航行时的最短安全路径。研究结果表明,在一定的误差范围内,基于BI-GRU神经网络的交通流预测模型具有良好的鲁棒性和泛化性能,可对水域的船舶交通流态势实现全局预测。基于改进遗传算法的商渔船航行路径优化模型具有良好的全局最优和收敛性能。本文的研究为保障商船和渔船混杂航行水域的航行安全,降低该水域船舶航行的碰撞风险,具有借鉴价值。

关键词：船舶交通流预测路径优化商渔船神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多因素约束下受限航道船舶智能交通组织研究

多因素约束下受限航道船舶智能交通组织研究

作者：范庆波武汉理工大学

学位级别：硕士

当前,经济贸易全球化趋势不可逆转,国际贸易的货物主要是通过水路运输完成。党的十九大明确指出要集中精力谋划“交通强国”、“海洋强国”建设的宏伟蓝图,在这些战略的引导下,我国的航运业发展、港口基础设施建设如火如荼,部分港口建... 详细信息

当前,经济贸易全球化趋势不可逆转,国际贸易的货物主要是通过水路运输完成。党的十九大明确指出要集中精力谋划“交通强国”、“海洋强国”建设的宏伟蓝图,在这些战略的引导下,我国的航运业发展、港口基础设施建设如火如荼,部分港口建设受限航道,以规范进出港船舶的航行秩序。受限航道建成后将成为不同尺度、类型船舶进出港的必经之路,如果交通组织不当,将会降低受限航道的通航效率;另外,在受限航道内一旦发生水上交通事故,将会造成受限航道运行瘫痪、水域环境污染、人员伤亡等不可估量的损失。本文以东营港东营港区进出港航道为例,开展了多因素约束下受限航道船舶智能交通组织研究,旨在缓解受限航道水域通航环境的复杂程度,提高船舶的通航效率,降低水上交通事故的发生概率。论文主要基于以下几个方面开展了相关的研究工作:（1）受限航道船舶交通流特征分析及预测模型构建。构建受限航道表征模型及交通流特征模型,运用统计学方法分析受限航道水域的船舶交通流特征;在构建BP-Markov模型基础上,引入粒子群算法（Particle Swarm Optimization,PSO）对模型进行优化,最终得到PSO优化的BP-Markov船舶交通流预测模型,并将该模型应用到典型受限航道船舶交通流预测中,结果表明:PSO优化的BP-Markov模型较单纯利用BP神经网络进行预测,预测精度由72.8358%提高到84.5403%,验证了该模型的合理性及准确性。（2）受限航道运行机理分析及通过能力模型构建。根据受限航道水域的实际情况,总结得到包括双向通航规则、船舶航行规则、船舶进出港优先权规则在内的受限航道运行规则;通过分析包括受限航道船-船速度影响机理在内的多个因素,得到受限航道安全航速的确定方法;构建受限航道安全间距确定模型,并开发受限航道安全间距计算软件,可方便船舶驾驶员快速计算得到船舶纵向、横向安全间距;在对港口航行作业排队系统分析的基础上,优化航道通过能力排队论模型中代表船型、航道容量参数,构建基于参数优化的受限航道通过能力排队论模型。（3）多因素约束下受限航道船舶智能交通组织框架设计。总结归纳影响受限航道船舶交通组织的5个主要因素,并对受限航道船舶智能交通组织中的多因素约束机理、智能化机理进行了阐释;设计了多因素约束下受限航道船舶智能交通组织框架,从船舶交通流特征总体把握、组织原则、过程控制三个方面进行受限航道船舶智能交通组织。论文针对受限航道船舶智能交通组织开展研究,研究成果将为相关主管机关进行VTS智能化管理、受限航道船舶交通组织等提供理论基础及解决思路,同时也是对规范船舶交通流秩序、提高航道通航效率等方面的一次有益探索。

关键词：受限航道船舶交通流特征船舶交通流预测通过能力交通组织

基于船舶大数据的交通状态识别及可视化技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于船舶大数据的交通状态识别及可视化技术研究

作者：张博中大连海事大学

学位级别：硕士

近年来,随着我国水上交通运输业的快速发展,内河航道交通情形日益复杂,船舶通航效率和航行安全受到严重威胁。为了缓解内河航道交通压力,对航道交通信息进行高效获取及智能分析,进而对航道交通状态做出有效判别及预测,已成为我国航运业... 详细信息

近年来,随着我国水上交通运输业的快速发展,内河航道交通情形日益复杂,船舶通航效率和航行安全受到严重威胁。为了缓解内河航道交通压力,对航道交通信息进行高效获取及智能分析,进而对航道交通状态做出有效判别及预测,已成为我国航运业智能化发展的必然要求。大数据技术的高速发展及船舶自动识别系统（Automatic Identification System,AIS）的广泛普及,使得及时获取内河航道中的船舶交通数据已成为可能,海量的船舶交通数据为内河航道的交通流预测及交通状态识别提供了数据保障,如何从这些数据中提取出能够反映内河航道交通状况的特征参数,并基于此构建船舶交通流预测模型及识别模型,是水上交通诱导及控制的前提。基于以上背景,本文针对内河航道特点,利用航道AIS大数据,对航道交通流预测和交通状态识别问题展开研究。首先,设计了基于海量AIS数据的内河航道船舶交通流参数提取方法,即根据海量AIS数据的特点,采用大数据处理平台Hadoop及Spark对其进行有效管理及初步预处理;结合船舶交通流的特性,选取特定的时间间隔提取多个航段的船舶交通流参数,并进行异常识别及修复处理,而后采用Savitzky-Golay滤波器对修复后的交通流参数进行平滑滤波处理,有效地提升了交通流预测数据的质量;并对各航段交通流进行时空相关性分析,确立了基于多航段交通流预测的优势。然后,根据船舶交通流参数的时间序列特性,设计实现了传统时间序列分析模型ARIMA和基于多航段综合分析的LSTM、SAE及CNN+LSTM等深度学习模型用于船舶交通流预测。经实验对比分析可知,基于滑动平均改进的CNN+LSTM多航段交通流预测模型在短期和长期预测方面,都具有较高的准确性。最后,根据内河航道交通状态的特点,将模糊C均值聚类算法应用于交通状态的辨识,设计实现基于船舶交通流参数的模糊C均值聚类交通状态识别模型,并将识别结果进行可视化的展示与分析,直观展现了目标航段未来时刻的交通状态。本文基于海量AIS数据,对内河航道交通状态的识别及预测问题进行了比较充分的研究,建立了内河航道船舶交通流预测模型及交通状态识别模型,经实验验证其结果可以较为准确地反映内河航道未来时刻的交通状态,为交通诱导及航行资源的配置提供参考。

关键词： AIS 船舶交通流预测交通状态识别 LSTM FCM聚类