基于深度神经网络的船舶交通流预测

• 作者: 杨神化 索永峰 陈文科 陈立媛
• 来源期刊: 集美大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 船舶交通流量 深度学习 LSTM GRU
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 航海技术与物流工程
• 页码范围: 430-436
• 页数: 7页
• 分类号: U692
• 语种: 中文
• DOI: 10.19715/j.jmuzr.2020.06.04

摘要

为了准确预测船舶交通流量,构建一种利用特定数据集进行船舶交通流量预测的深度学习模型.选定海域横断面,统计规定时间段内穿越该海域横断面的船舶AIS数据,将这些数据筛选后作为数据集.选取GRU(gate recurrent unit)模型最佳结构和参数,对一天内的船舶流量进行预测,并选取LSTM(long short term memory)循环神经网络模型和SAES栈式编码器预测模型作为实验对照组模型,在合理参数范围内对不同参数组合进行实验.实验结果表明,与LSTM模型和SAES(stacked auto-encoders)模型相比,GRU模型预测精度更高,能适应数据规律性较弱的船舶交通流量预测的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨神化		48	281	9.0	15.0
2	索永峰		15	102	6.0	10.0
3	陈文科		1	0	0.0	0.0
4	陈立媛		1	0	0.0	0.0