基于深度网络和船舶交通流的航道水深预测方法研究

• 作者: 何帆 何正伟 杨帆
• 来源期刊: 武汉理工大学学报（交通科学与工程版）
• 学科: 交通运输
• 关键词: AIS大数据 航道水深 深度神经网络 决策树 数据挖掘
• 年，卷（期）: 2019,（1）
• 页码范围: 130-135
• 页数: 6页
• 分类号: U612.26
• 字数: 6069字
• 语种: 中文
• DOI: 10.3963/j.issn.2095-3844.2019.01.026

摘要

根据水上交通的特点,提出了一种基于船舶自动识别系统(A IS)大数据,构建深度网络模型预测航道水深的方法,并利用最新航道水深数据作为标签验证.分别利用深度神经网络算法和决策树-深度神经网络结合的DT-NN算法,对水深数据和AIS数据进行学习.实验结果表明,深度神经网络算法的预测准确度为90.84％,D T-N N算法的预测准确度为91.15％,因此,采用决策树和深度神经网络结合的DT-NN算法对于水深预测的模型准确率较高,对于弥补航道水深数据的不足,指导船舶安全航行.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨帆	武汉理工大学航运学院	52	175	6.0	11.0
2	何正伟	武汉理工大学航运学院	12	26	3.0	4.0
11	何帆	武汉理工大学航运学院	3	7	2.0	2.0