發(fā)布時(shí)間：2020-12-23 05:20

　　利用蟻群算法優(yōu)化反向傳播神經(jīng)網(wǎng)絡(luò)的初始權(quán)值、閾值,建立預(yù)測(cè)模型,對(duì)港口貨物吞吐量進(jìn)行預(yù)測(cè)。蟻群算法具有全局搜索能力,分布式計(jì)算和魯棒性強(qiáng)等特點(diǎn),有利于加快反向傳播神經(jīng)網(wǎng)絡(luò)的收斂速度,避免易陷入局部極值的問(wèn)題,提高建模精度。在港口吞吐量預(yù)測(cè)中的應(yīng)用表明:蟻群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型、模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型、RBF預(yù)測(cè)模型及BP預(yù)測(cè)模型的平均絕對(duì)百分比誤差分別為2.826%、3.734%、4.990%和6.566%;同時(shí),蟻群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型收斂速度最快。 

【文章來(lái)源】：計(jì)量學(xué)報(bào). 2020年11期 北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

BP訓(xùn)練結(jié)果

RBF訓(xùn)練結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]基于小波神經(jīng)網(wǎng)絡(luò)的上海港集裝箱吞吐量預(yù)測(cè)[J]. 朱慶輝,勾翔宇.  中國(guó)水運(yùn). 2019(06)
[2]基于時(shí)間序列模型的港口集裝箱吞吐量預(yù)測(cè)[J]. 吳琛.  珠江水運(yùn). 2019(05)
[3]港口集裝箱吞吐量預(yù)測(cè)方法研究[J]. 劉逸群,曾鳴.  物流工程與管理. 2018(08)
[4]基于大數(shù)據(jù)簡(jiǎn)約及PCA改進(jìn)RBF網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)[J]. 張淑清,任爽,陳榮飛,錢(qián)磊,姜萬(wàn)錄,李盼.  計(jì)量學(xué)報(bào). 2018(03)
[5]河南省貨運(yùn)吞吐量預(yù)測(cè)研究[J]. 劉源,韓陽(yáng)易.  現(xiàn)代商業(yè). 2018(11)
[6]基于灰色神經(jīng)網(wǎng)絡(luò)的港口貨物吞吐量預(yù)測(cè)算法[J]. 胡克滿(mǎn),蔣勇,王順林,胡海燕.  物流技術(shù). 2018(02)
[7]PCA-GRNN在綜合氣象短期負(fù)荷預(yù)測(cè)中的應(yīng)用[J]. 張淑清,任爽,姜安琦,胡永濤,張航飛,喬永靜.  計(jì)量學(xué)報(bào). 2017(03)
[8]張家港永嘉集裝箱碼頭集裝箱吞吐量組合預(yù)測(cè)[J]. 余國(guó)剛,馮琪,徐粉.  物流技術(shù). 2017(04)
[9]基于BP神經(jīng)網(wǎng)絡(luò)的港口吞吐量預(yù)測(cè)模型[J]. 劉枚蓮,朱美華.  系統(tǒng)科學(xué)學(xué)報(bào). 2012(04)

碩士論文
[1]遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)在連云港港口吞吐量預(yù)測(cè)中的應(yīng)用研究[D]. 楊客.深圳大學(xué) 2017



本文編號(hào)：2933145