基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在分析船舶交通流量特性的基础上,以船舶交通流量控制为最终目标,建立基于BP神经网络的船舶交通流量预测模型,以长江口深水航道的交通流量数据作为训练样本,进行模拟分析.预测结果与实测加权数据进行对比表明,该模型对船舶交通量的预测是有效的.
推荐文章
基于PSO的BP神经网络-Markov船舶交通流量预测模型
船舶交通流量预测
BP神经网络
马尔科夫模型(Markov模型)
粒子群优化(PSO)
船舶交通流量预测的灰色神经网络模型
船舶交通量
灰色模型
神经网络
基于BP神经网络与残差分析的船舶交通流量预测
残差分析
BP神经网络
交通流
预测
基于BP神经网络的城市交通流预测研究
非线性
BP神经网络
交通流预测
人工智能
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于BP神经网络的船舶交通流量预测研究
来源期刊 船海工程 学科 交通运输
关键词 水路运输 BP神经网络 船舶交通流量 预测
年,卷(期) 2010,(1) 所属期刊栏目 港航技术
研究方向 页码范围 122-125
页数 4页 分类号 U694
字数 2043字 语种 中文
DOI 10.3963/j.issn.1671-7953.2010.01.037
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈锦标 上海海事大学商船学院 34 309 10.0 16.0
2 田燕华 上海海事大学商船学院 1 18 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (21)
参考文献  (4)
节点文献
引证文献  (18)
同被引文献  (32)
二级引证文献  (18)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(3)
  • 引证文献(3)
  • 二级引证文献(0)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(4)
  • 引证文献(3)
  • 二级引证文献(1)
2017(3)
  • 引证文献(3)
  • 二级引证文献(0)
2018(11)
  • 引证文献(6)
  • 二级引证文献(5)
2019(9)
  • 引证文献(0)
  • 二级引证文献(9)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
水路运输
BP神经网络
船舶交通流量
预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
船海工程
双月刊
1671-7953
42-1645/U
大16开
武汉市武昌区和平大道1040号
1972
chi
出版文献量(篇)
4860
总下载数(次)
9
总被引数(次)
17407
论文1v1指导