-
题名基于神经网络预测的长江引航量周期变化模型
- 1
-
-
作者
卢萍
石文宝
-
机构
上海海事大学商船学院
长江引航中心
-
出处
《中国航海》
CSCD
北大核心
2024年第2期56-64,共9页
-
基金
上海高水平地方高校创新团队(海事安全与保障)
2022年度科委地方院校能力建设计划项目“长三角关键水域通航船舶态势智能监测技术”。
-
文摘
为研究引航量周期变化的问题,提出通过神经网络预测的方法,对长江引航量长周期和短周期变化进行研究。在长江引航量动态分析的基础上,借助BP(Back Propagation)神经网络经验公式和反复训练的方法,构建长江引航量的长周期和短周期变化模型,通过回归拟合度数值比较,验证BP神经网络预测的准确性。从长江引航量变化规律的研究发现,长江引航量长周期变化规律和波罗的海干散货指数(IBD)关联性强,短周期变化规律受国内市场和长江航运等多变量影响。引航量的预测研究为引航机构的发展规划和资源布局提供合理的数据、决策支持,使港口能够高速、安全的发展;周期变化的规律将应用于疫情防控下航运影响分析,为精准疫情防控和引航标准与规范服务提供科学参考。
-
关键词
水路运输
变化模型
神经网络
长江引航量
回归拟合
-
Keywords
waterway transportation
variation model
neural network
the Yangtze River pilotage
regression fitting
-
分类号
U694
[交通运输工程—港口、海岸及近海工程]
-