（交通信息工程及控制专业论文）基于BP人工神经网络的船舶交通流量预测研究.pdf

武汉理工大学硕士学位论文 摘要 船舶交通流量预测是将水运工程技术和经济预测技术有效结合起来的一个 新兴的学科领域。近年来，我国沿海及长江流域的各条“黄金水道”船舶交通流量 迅速增加，一方面为我国的经济、社会发展做出了重要的贡献，另一方面，由 于船舶交通流量的增加，水上交通事故频发，造成了巨大的损失，这就对各水 道或航道的规划设计和通航管理提出了更高的要求。船舶交通流量预测的研究 就是为水道的规划、设计和船舶通航管理提供基础性依据。由此，本文从一个 全新的研究视角建立b p 人工神经网络模型来预测船舶交通流量。 首先，本文对船舶交通流量预测的研究背景、研究目的及意义做了论述， 对国内外研究现状作了综述，并对论文的研究思路及方法进行了阐述说明。 其次，运用系统工程的相关原理分析了影响船舶交通流量的因素，为船舶 交通流量预测模型提供了预测基础。 第三，论文对人工神经网络的发展概况、相关概念和理论做了介绍，进而 引出b p 人工神经网络，阐述了b p 算法的数学描述、基于b p 神经网络应用于 预测的原理，提出了预测研究步骤及预测可行性。然后，详细论述了基于b p 神 经网络的船舶交通流量预测模型的构建。主要包括以下几方面内容：探讨建立 基于b p 神经网络的预测模型的关键技术，包括样本的选取与预处理、输入输出 变量的选取、隐层节点数的确定、初始权和阈值的选取、激活函数、训练算法 与参数的选取，最后建立合理的网络模型。 第四，论文以深圳港为实例，以历年船舶交通流量和相关的影响数据为实 例样本，借助m a t l a b 人工神经网络工具箱建立了基于神经网络预测模型。对 预测值和实际值迸行了比较和分析论述。通过对深圳港船舶交通流量预测实例 的验证，证明该方法在一定误差范围内揭示了船舶交通流量与影响因素之白j 的 关系，可用于未来船舶交通流量的预测中。 最后，作者对全文的内容作了总结，指出了本文的主要研究成果，并对下 一步的研究工作指明了方向。 关键词：船舶交通流量；预测模型；人工神经网路；b p 网络 武汉理1 = 大学硕士学位论文 a b s t r a c t s h i pt r a f f i cv o l u m ef o r e c a s t i n gi san e wd o m a i nw h i c hc o m b i n e sw a t e rt r a f f i c e n g i n e e r i n gw i me c o n o m i cf o r e c a s t i n g i nr e c e n ty e a r s ，s h i pt r a f f i cv o l u m eo ft h e i m p o r t a n tc h a n n e l si n c l u d i n gt h ec i v i l i n s h o r ea n dc h a n g i a n gr i v e rh a sb e e n i n c r e a s e dr a p i d l y o no n eh a n d ，t h e s ec h a n n e l sc o n t r i b u t eg r e a t l yt oe c o n o m i ca n d s o c i a ld e v e l o p m e n t o nt h eo t h e rh a n d ，i n c r e a s e dv o l u m ec a u s e dam a s so fa c c i d e n t s a n dl o s sw h i c hr e q u i r e sah i g h e rs t a n d a r do nc h a n n e lp r o g r a m m i n ga n ds a f e t y m a n a g e m e n t ，s h i pt r a f f i cv o l u m ef o r e c a s t i n gi st h es c i e n c et op r o v i d ef o u n d a t i o nt o t h ec h a r m e lp r o g r a m m i n ga n ds a f e t ym a n a g e m e n t t h e r e f o r e , t h et h e s i sb u i l d sab p n e u r a ln e t w o r km o d e lt of o r e c a s tt h es h i pt r a f f i cv o l u m ef r o mab r a n d - n e wr e s e a r c h p o i n to fv i e w f i r s t l y , t h i st h e s i sc o m m e n t st h eb a c k g r o u n d ，p u r p o s ea n di g n i f i c a n c eo ft h e r e s e a r c h 。i ts u m su pt h ec u r r e n ts i t u a t i o ns t u d y i n go fh o m ea n da b r o a d ，e x p o u n d st h e t h o u g h ta n dm e t h o do f t h er e s e a r c h s e c o n d l y , u s i n gt h et h e o r yo fs y s t e me n g i n e e r i n gf i n d o u tt h ef a c t o r st h a t i n f l u e n c es h i pt r a f f i cv o l u m e ，i tp r o v i d e st h ef u n d a m e n t a lt ob u i l dt h em o d e lo fs h i p t r a f f i cv o l u m ef o r e c a s t i n g t h i r d l y , t h et h e s i si n t r o d u c e st h eh i s t o r ya n df u n d a m e n t a lp r i n c i p l eo f a r t i f i c i a l n e u r a ln e t w o r k s a n dt h e ne x t r a c tt h eb pa r t i f i c i a ln e u r a ln e t w o r k s i te x p o u n d st h e m a t h e m a t i c a ld e s c r i p t i o no ft h eb pa l g o r i t h m ，t h et h e o r yo ff o r c a s t i n gb a s e do nb p n e u r a ln e t w o r k ，p u t sf o r w a r dt h ep d n c i p l eo fp r e d i c t i o nr e s e a r c hs t e p sa n dp r e d i c t i o n f e a s i b i l i t y t h e nd i s c u s s e st h em o d e l se s t a b l i s h m e n t o fsf o r e c a s t i n gh i pt r a f f i c v o l u m eb a s e do nb pn e u r a ln e t w o r k s i tm a i n l yi n c l u d e st h ef o l l o w i n gs e v e r a l a s p e c t s f i r s t ，i ts u g g e s t saf o r e c a s t sr e s e a r c hs t e pa n df o r e c a s t sf e a s i b i l i t yb a s e do n t h ep r i n c i p l eo fb pn e u r a ln e t w o r k sa p p l y i n gt of o r e c a s t s s e c o n d ，i td i s c u s s e st h e k e yt e c h n o l o g yb u i l d i n gf o r e c a s tm o d e lb a s e do nb pn e u r a ln e t w o r k s ，i n c l u d i n gt h e c h o i c ea n dp r e t r e a t m e n to fs a m p l eb o o k ，t h ec h o i c eo fi n p u ta n do u t p u tv a r i a b l e s ，t h e a s c e r t a i n m e n to fh i d et i e ro fn o d en u m b e r s ，t h ec h o i c eo fi n i t i a lr i g h ta n dt h e t h r e s h o l dv a l u e ，t h ec h o i c eo faa c t i v ef u n c t i o n ，at r a i n i n ga l g o r i t h ma n dp a r a m e t r i c i t 武汉理工大学硕士学位论文 b u i l d st h er a t i o n a ln e t w o r km o d e lf i n a l l y f o u r t h , t h et h e s i st a k e st h ed e m o n s t r a t i o na n a l y s e sa sb a c k g r o u n d ，t a k e st h e r e l e v a n c ed a t at a p eo fs h i pt r a f f i cv o l u m ea n dt h ef a c t o r so v e rt h ey e a r s 嬲i n s t a n c e e x a m p l e s ，b u i l d sa f o r e c a s tm o d e lo w i n gt on e u r a ln e t w o r k sd r a w i n gs u p p o r t 劬m m a t l a bn e u r a ln e t w o r k st o o lc a s e ，c o m p a r e sa n da n a l y s e sf o r e c a s tv a l u e sa n d a c t u a lv a l u e s i tt e s t i f i e st h a tt h ef o r e c a s tm e t h o dr e v e a l e st h er e l a t i o n s h i pb e t w e e n t h es h i pt r a f f i cv o l u m ea n dt h ei n f l u e n c i n gf a c t o rw i t h i nc e r t a i ne r r o rr a n g ea n dc a n b eu s e df o rf o r e c a s t i n gf u t u r es h i pt r a f f i cv o l u m eb yv e r i f y i n gt h es h i pt r a f f i cv o l u m e f o r e c a s t i n ge x a m p l e f i n a l l y , t h ea u t h o rs u m m a r i z e st h ec o n t e n t s ，p o i n t so u tt h em a i nr e s e a r c hr e s u l t s ， a n dt h en e x tr e s e a r c hw o r k k e yw o r d s ：s h i pt r a f f i cv o l u m e ；f o r e c a s tm o d e l ；a r t i f i c i a ln e u r a ln e t w o r k s ；b p n e u r a ln e t w o r k s i i i 独创性声明 本人声明，所呈交的论文是本人在导师指导下进行的研究工作及 取得的研究成果。尽我所知，除了文中特另t l d l ：i 以标注和致谢的地方外， 论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得 武汉理工大学和其它教育机构的学位和证书而使用过的材料。与我一 同工作的同志对本研究所作的任何贡献均已在论文中作了明确的说 明并表示了感谢。 签名：一 日期： 关于论文使用授权的说明 本人完全了解武汉理工大学有关保留、使用学位论文的规定，即 学校有权保留交向国家有关部门或机构送交论文的复印件和电子版， 允许论文被查阅和借阅。本人授权武汉理工大学可以将本学位论文的 全部内容编入有关数据库进行检索，可以采用影印、缩印或其他复制 手段保存或汇编本学位论文。同时授权经武汉理工大学认可的国家有 关机构或论文数据库使用或收录本学位论文，并向社会公众提供信息 服务。 ( 保密的论文在解密后应遵守此规定) 研究生( 签名) ： 导师c 签名) 龟咏日期跏夕占量 武汉理1 = 大学硕士学位论文 1 1 研究背景和意义 第1 章绪论 近年来，世界水运业发展十分迅猛。主导世界海运业发展的趋势是世界经 济、贸易的变化，据相关资料统计显示，1 9 8 3 年后，世界经济在低速增长拉动 海运需求秩序增长，使得海运业一直保持稳定的增长趋势，1 9 9 7 年世界海运量 达5 1 亿吨，9 8 年受亚洲金融危机影响，出现负增长，1 9 9 9 年随着世界经济复 苏，海运量恢复发展，到2 0 0 0 年海运量上升到了5 4 3 4 亿吨，2 0 0 3 年达到6 0 亿吨。据联合国贸易和发展会议最新的报告显示，受新兴和转型经济体的驱动， 2 0 0 7 年世界海运贸易量达到8 0 多亿吨，创下新高纪录。从未来国际环境看，经 济全球化己经成为世界经贸发展的大趋势，这将加快对外贸易量的增长，预计 未来1 0 年世界经济将保持4 左右的发展速度，其中贸易发展速度将达到6 7 ，服务贸易将达到1 1 ，根据世界海运量可望维持3 5 的发展速度，到2 0 1 5 年世界海运量将达到7 6 亿吨。从我国的实际情况看，党的十六大提出全面建设 小康社会的奋斗目标，根据国家宏观发展战略目标，未来我国经贸将持续高速 发展，预计未来2 0 年我国g d p 将保持7 以上的速度增长，进出口贸易速度将 高于g d p 的增长速度l 2 个百分点左右。中国己成为全球第四大贸易国之一。 在此背景下，中国港口新一轮大发展的序幕己经拉开，中国己成为全球航运业 的主战场。从1 9 8 0 年到2 0 0 2 年间，水路货运周转量增长了5 2 4 倍，其在全社 会综合运输体系中的比重也从当年的4 3 6 5 增加到了2 0 0 2 年的5 4 5 ，增长了 近1 1 个百分点。截止2 0 0 5 年，我国进出口货物中8 5 以上都是靠水路运输完 成的。未来的水运业发展将满足国家安全的需要，适应能源和原材料大量进口 的需要，适应沿海经济率先实现现代化的需要，保障运输渠道高效、畅通，提 升国家经济竞争力；交通部制定了我国公路、水路交通实现现代化的阶段目标。 到2 0 1 0 年公路水路交通紧张状况全面缓解，对国民经济的制约状况得到全面改 善；到2 0 2 0 年，基本适应国民经济和社会发展需要。国家的发展战略目标客观 上对水运发展提出了新的要求，这也是指导我国今后水运业的发展目标。可以 预见：货运需求将随着我国国民经济发展继续增加，水运货运量在各种运输方 式中所占的比重将进一步增大，另外，随着我国不断加大对外开放的程度和“世 武汉理工大学硕士学位论文 界工厂”功能的进一步完善和加强，预计未来1 5 年到2 0 年内水路货运量将会有 较大的增长。船舶运输也会更加频繁，船舶交通流量会进一步增加。 水运交通的突飞猛进，造就了我国沿海及长江流域等地的各条“黄金水道”， 这些重要的水路交通枢纽，一方面为我国的经济、社会的发展做出了重要的贡 献，另一方面，由于船舶交通流量的增加，也会造成水上交通事故频发，给经 济带来巨大的损失。因此，这就对各水道或航道的规划设计和通航管理提出了 更高的要求。而船舶交通流量预测是将水运工程技术和经济预测技术有效结合 的一个新兴的学科领域。它能预测某一水域在未来一定时期船舶交通流量总的 发展趋势，将会达到什么样的水平。这是交通安全管理机关所关心的重要方面， 如能有效地得到这方面的资料，进而根据本地船舶交通流量的特点，评估水上 交通安全状况和运输形势，将大大提高相关部门对水路交通的合理规划、建设 和管理。 人工神经网络是一类模拟人类大脑的结构，揭示数据样本中蕴含的非线性 关系，由大量处理单元组成的非线性自适应动态系统。它具有良好的自适应性、 自组织性及很强的学习、联想、容错和抗干扰能力，在不同程度和层次上可模 拟大脑的信息处理机制，可灵活方便的对多成因的复杂未知系数进行建模。特 别是b p 网络近年来广泛应用于模式识别、预测评估等领域，都取得了良好的效 果。同时，m a t l a b 软件提供了一个现成的神经网络工具箱( n e u r a ln e t w o r k t o o l b o x 简称n n t ) ，为解决神经网络进行大量复杂的运算提供了方便。我们可 利用m a t l a b 神经网络工具箱进行b p 人工网络模型的建立、训练、仿真。因 此，用神经网络建立模型来研究船舶交通流量预测具有较强的理论意义和现实 价值。 1 2 船舶交通流量预测国内外研究现状 1 2 1 船舶交通流量预测的历史沿革【1 】 在过去很长的一段时期内，相对于各种水域和水道的船舶交通容量来说， 人们所拥有的船舶数量是微不足道的，对船舶交通流量的预测并没有太多的实 际意义。随着人类社会经济的发展，各国、各地区之间的贸易往来愈加频繁， 社会总体拥有的船舶数量也越来越多，这样使得许多交通繁忙的水道、海峡和 港口的船舶交通流量猛增，导致各种船舶交通事故增加，这就使得人们对于交 2 武汉理工大学硕士学位论文 通繁忙水道及港口的航行管理做出重新的认识。 船舶交通流量的预测研究是与船舶定线制的建立密不可分的，船舶定线制 的制定就要求对该水域或航道的总体船舶交通流量有一个很清楚的认识，这也 是制定管理政策和方案的最基本、最重要的依据。现代的定线制是从1 9 5 6 年开 始，其倡导者是西班牙海军少将g a r d a - f f i a s 。他在1 9 5 6 年提出在船舶交通繁忙 的直布罗陀海峡及其附近建立由单向通航分道和分隔带组成的现代通航分隔 制。1 9 6 1 年英、法及原联邦德国三国的航海学会成立了一个联合工作组，专门 研究船舶交通繁忙、碰撞事故频发的多佛尔海峡水域的分道航行问题。于1 9 6 7 年6 月1 日公布了一份报告，建议过境船舶利用多佛尔海峡中的自然地形分道 通航。随后，有关国际组织从分道通航出发改善和变动了多佛尔海峡的助航设 施，于1 9 6 7 年6 月1 日正式完成了第一个现代的分道通航制，并以航行通告方 式通知船舶，以及在海图上标明。在这个时期，由于客观条件和应用数学的发 展，对交通流量的预测仅限于定性的方法。进入7 0 年代，世界上船舶定线制飞 速发展。在我国，自2 0 0 0 年开始在烟台成山头实施定线制以来，接着在长江口、 大连大三山水道实施了船舶定线制，随后定线制在我国各重要水域得到了迅速 的普及和发展。也由原先的海上船舶定线制逐步发展到内河领域，在长江下游 江苏段、长江三峡库区和珠江水域都实施了船舶定线制。伴随着世界和我国这 些定线制的发展，船舶交通流量预测也进入了科学、定量、综合、细致研究的 新阶段。 1 2 2 船舶交通流量预测的现状 目前，船舶交通流量预测大致可划分为定性预测和定量预测【2 1 1 3 l ： 定性预测指的是那些依靠经验判断性质的分析预测，它主要依靠专家判断、 经验分析、逻辑推理来进行，预测精度不高。 定量预测是指采用一定的数学模型，利用历史的和现有的具体数据进行计 算并最终得到具体数值的方法，主要的定量预测方法有回归分析法、灰色分析 法、马尔科夫法、模糊预测法、神经网络法、基于误差绝绝对值加权和最小预 测组合法等，但各种预测方法各有其优点和缺陷。 为解决上述单一预测方法的不足，大连海事大学的吕靖和方祥麟教授提出 了组合预测模型，采用几种预测方法的结合来提高预测效果。比如：c s f m 组合 预测模型4 1 ，其结构如图1 1 所示。 3 武汉理工大学硕士学位论文 有关数据、资料、信息等 毒工j 时间序列分析 政治因素 d e l p h i 法 回归分析 政策因素 主观概率法 经济计量分析 人为因素综合判断法 + _- 预测结果ii 预测结果l c s f m 预测结果 图1 1c s f m 组合预测模型 该模型运用系统分析的原理，定性与定量方法相结合，时间序列分析、主 观概率及专家咨询等方法相结合，同时考虑到政治、政策及人为因素等的影响， 不仅能提高预测的系统性和适用性，而且也能提高预测的准确性。 c s f m 组合预测模型方法主要的优点是模型在建立的过程中，考虑得比较全 面、系统，弥补过去的一些预测方法中为了建立数学模型或分析方便而忽略了 一些难以定量的因素，包括政治、政策及人为因素等。其次是它的针对性更强 一些，提高了预测的实用性和可行性。 当然，c s f m 组合预测模型也存在如下的问题： 1 ) 在应用该模型时，单项模型的选择随意性很大，没有科学合理的筛选过 程，这增加了模型确定过程中的主观性，使得各个单项模型选择的不确定性增 加，影响了预测的精度。 2 ) 各个单项模型的权重在对不同港口、航道和不同时期船舶交通流量进行 预测时，采用了固定值，体现不出单个模型的针对性和侧重性及船舶交通流量 变化的特点。 针对这些问题，船舶交通流量预测方法研究【l 】文中，对c s f m 模型中 的单项模型的确定和模型的固定权重的问题，进行了分析，提出了根据差分序 列特性进行模型的筛选和基于模糊变权重的船舶交通流量组合预测方法：基于 智能融合的船舶交通流预测系统p 】一文中，将3 种改进算法：基于最优梯度自 适应权重优化预测模型、基于小波分解的a r m a w n n 组合预测模型以及基于 异方差性分析的时间序列模型组合g a r c h 模型分别应用于船舶交通流量预测， 将其智能融合，构建一个船舶交通流量预测系统；一种改进的船舶交通流量组 4 武汉理工大学硕士学位论文 合预测方法【6 1 在文章【1 1 的基础上，采用了一种改进的船舶交通流量变权组合预 测模型。以上文章中分别用了不同的方法对c s f m 模型的不足进行了改进和补 充论证，并且都通过实例验证，取得了较好的预测效果。 1 3 研究思路与方法 1 3 1 研究思路 尽管目前对船舶交通流量的研究已从单项预测模型转向了组合预测模型的 阶段，并且实践证明组合预测模型较单项预测模型有较大优势，但本文仍采用 单项预测模型中的b p 人工神经网络方法对船舶交通流量的预测进行研究，理由 如下： ( 1 ) 组合预测模型并不是对经典的单项预测模型的否定。目前很多领域的 预测仍然采用单项预测模型。并且实践证明，单个的预测模型可能比组合预测 模型更能接近真实的预测值。 ( 2 ) 本文作者查询了关于船舶交通流量预测的相关文章，还没有用人工神 经网络方法对船舶交通流量进行预测的实例。 ( 3 ) 在船舶流量组合预测的相关文章中，作者对大多数单项模型的优缺点 进行了相关的评价，指出了组合预测模型的优势，但并没有对人工神经网络方 法进行过多的评价，唯独在船舶交通流量预测方法研究一文中，作者只是 对神经网络预测做了简要介绍，并且在c s f m 模型的单项模型选择时也未对神 经网络模型进行探讨。 ( 4 ) 神经网络作为一种新型的学科是近年来兴起的一项重要人工智能技 术，其独特的并行结构、自适应自组织、联想记忆、较强的容错性和鲁棒性等 特点和独特的信息处理方法，近年来在许多实际领域取得了显著的成效。同时， 神经网络在理论上可以对函数无限逼近并具有很好的外推性，克服了其他单项 预测方法的拟合度不强和外推性不强的缺点。 ( 5 ) 在组合预测的单项预测模型的确立过程中，作者对影响船舶交通流变 化的因素分析研究较少，本文将针对影响船舶交通流量的相关因素进行分析， 而神经网络预测则可以把这些因素作为输入，在网络训练过程中不断的对各个 因素进行权重，避免了象回归预测模型中的自变量的相关性和共线性等问题。 ( 6 ) 本文在研究时，对影响船舶交通流量的诸多因素进行分析，同样可以 5 武汉理工大学硕士学位论文 尽可能的将政治、政策、人为等因素量化进模型中，在这一点上，b p 神经网络 模型与c s f m 预测模型预测的初衷是一致的。 基于以上原因，本文作者决定采用b p 神经网络对船舶交通流量进行预测研 究，研究思路如下： 论文首先介绍了船舶交通流量研究的背景和意义以及预测的历史和现状， 对现有船舶交通流量预测的方法作了一定的介绍，进而提出用神经网络方法应 用于船舶交通流量预测的原因及研究的思路和方法。其次，对影响船舶交通流 量的相关因素进行了系统的分析。再次，介绍人工神经网络的基本原理等相关 理论，进而引出b p 神经网络，通过阐述b p 网络应用于预测的原理及步骤，b p 神经网络结构的设计，训练算法及训练参数的选择，建立合理的b p 网络结构模 型。最后，通过以深圳港的船舶交通流量为实例进行b p 神经网络的建模，根据 相关数据来训练仿真b p 神经网络模型，计算误差是否在允许的范围内，如果是， 那么即得到了一个满意的训练结果，这样船舶交通流量预测模型就确立起来了。 最后，用训练好的模型对未来几年船舶交通流量进行预测，并分析预测结果。 建模阶段的研究思路如图l 一2 所示。 1 3 2 研究方法 图1 - 2 建模阶段的研究思路 ( 1 ) 采用系统工程的相关理论，对影响船舶交通流量的诸多因素进行分析。 ( 2 ) 算法优化的方法，根据船舶交通流量特点对b p 算法进行改进和优化。 6 武汉理工大学硕士学位论文 ( 3 ) 数学建模的方法，利用m a t l a b 神经网络工具箱进行b p 网络模型建 立、训练、仿真的编程设计。 ( 4 ) 采用仿真试验的方法，使用具体数据进行仿真试验，检验构造模型的 效果。 7 武汉理工大学硕士学位论文 第2 章船舶交通流量影响因素分析 船舶交通流量是社会、经济、政治、技术发展对交通需求的具体反映。无 论采用何种预测方法，首先考虑的是与船舶交通流量生成相关的影响因素的选 择。影响船舶交通流量的因素错综复杂，本文作者查阅了相关的很多文献，发 现目前针对影响船舶交通流量影响因素的专题分析文献很少。因此，本章节采 用系统工程的相关理论对影响船舶交通流量的因素加以分析，为船舶交通流量 的预测提供建模基础。 2 1 水运交通系统的特性 系统是相互联系的诸要素的整体集合，形成系统的诸要素的整体集合永远 具有一定的功能或行为；系统是一个由许多要素构成的有机整体，如果把一个 系统分割开来，系统将失去原有的性质；系统具有等级序列，每一个系统中的 任何部分可以被看作一个子系统，而每一个系统又可以成为一个更大规模系统 中的一部分，或称子系统。各个子系统相互联系、相互作用、不可分割，它们 是有机整合，而非简单叠加。 水运交通系统是一个复杂的系统，他涵盖航道、港口、船舶及相关大量复 杂的硬件、软件设施。它的三个基本组成是：航道、港口及船舶运输组织系统【7 】【8 1 。 航道是水运交通系统的主要组成部分，港口是水路运输的主要环节，船舶是水 上运输的主要交通工具。船舶做为整个水上水运交通系统的子系统，与航道、 港口子系统的发展和运输能力都有密切的关系。同时水运交通系统也是综合交 通运输系统及国民经济系统的一个子系统。本文论述的船舶交通流量预测系统 是整个交通运输系统的子系统1 9 】【1 0 l 。整个系统结构如图2 1 所示。 武汉理t 大学硕士学位论文 图2 1 系统结构图 从系统的定义和水运系统的分析可以看出船舶交通量预测系统与一般系统 一样具有下述特性【1 1 】【1 2 】： ( 1 ) 集合性。系统是由两个或两个以上的可以相互区别的要素组合而成的。 ( 2 ) 相关性。组成系统的要素是相互联系、相互作用的。相关性可以说明 这些联系之间的特定关系。 ( 3 ) 层次性，又称阶层性。系统作为一个相互作用的诸要素的总体，它可 以分解为一系列的子系统，各个子系统之间又存在一定的层次性，这是系统空 间结构的特定形式。 ( 4 ) 整体性。系统整体性说明，具有独立功能的系统要素以及要素间的相 互关系( 相关性、阶层性) 是根据逻辑统一性的要求协调存在于系统整体之中。 ( 5 ) 目的性。系统都具有某种目的，要达到既定目的，系统都具有一定的 功能，而这一特性也j 下是系统区别于其他系统的标志。 ( 6 ) 环境适应性。任何系统都存在于一定的物质环境之中，因此，它必然 也要与外部环境产生物质的和信息的交换，外界环境的变化必将引起系统内部 各要素之间的变化。不能适应外部环境变化的系统是没有生命力的系统，而能 够经常与外部环境保持最优适应状态的系统彳是理想的系统，才具有生命力。 9 武汉理工大学硕士学位论文 2 2 船舶交通流量预测系统的影响因素 从系统的相关概念和特性看，影响船舶交通流量的因素主要从以下几个方 面考虑： ( 1 ) 国民经济发展水平。船舶交通流量预测是与水运经济有关的预测，水 运经济是国民经济组成的一部分。经济的发展水平是影响未来船舶交通流量的 最主要的因素。国民经济和社会发展是一个庞大的系统，衡量和反映其发展状 况的定量指标较多，经验表明，在船舶交通流量预测中可量化的主要指标为国 民生产总值、工农业生产总值、进出口贸易额、产业结构、固定资产的投资额 等。而依据船舶运输地点、目的的不同，所采用的指标不完全一致，其中国民 生产总值是一个宏观综合性指标，能全面总体地反映国民经济和社会宏观发展 状况，是国民经济和社会发展的总体“效果”指标，一般应用较多，尤其是当 要反映国民经济和其他要素的单因素相关时，选用此指标则最为合适。 ( 2 ) 综合运输网发展水平。影响船舶交通流量预测的另一大因素是综合运 输网结构，运输网的布局与质量直接影响运输线路对货物的吸引范围、线路的 通过能力及对需求的适应程度。如果说经济发展水平是船舶交通流量的本源性 因素的话，那么运输网的成网水平、规模、密度、质量等因素是影响船舶交通 流量的可能性因素。良好的运输网络系统可以使货畅其流，增大货运量，同时 增大船舶交通流量，反过来刺激经济的发展，经济的发展又引起运输需求的进 一步增长，使国民经济出现良性循环：而滞后的运输网络和不合理的运网布局 会抑制运输需求的增长，进而抑制经济的增长，使国民经济陷入恶性循环。衡 量和反映运输方式发展状况的可量化的指标有各种运输方式的旅客运输量、货 物运输了、旅客周转量、货物周转量、公路发展里程、航道里程等。 ( 3 ) 港口发展水平。港口是水路运输的主要环节和组成部分，它是影响船 舶交通流量预测的重要因素。港口是具有水陆联运设备和条件，供船舶安全进 出和停泊的运输枢纽，是水陆交通的集结点和枢纽，工农业产品和外贸进出口 物资的集散地，船舶停泊、装卸货物、上下旅客、补充给养的场所。随着港口 的发展，吞吐能力也不断扩大，其直接影响着到港船舶的数量。衡量和反映港 口发展水平的可量化指标有港口吞吐量、港口码头的泊位长度、数量等。 ( 4 ) 航道的运输能力及规划发展水平。航道是水运交通系统的基本组成部 分，航道网是天然形成的，沿着航道，往往是自古以来经济发达的地区。航道 1 0 武汉理工大学硕士学位论文 网作为水运交通系统的基础，决定整个系统的发展。衡量和反映航道运输能力 及规划发展水平的可量化的指标有航道的通过能力，航道水深，宽度等。 ( 5 ) 船舶本身的发展水平。船舶是水上运输的主要交通工具，各类船舶根 据其运输的对象的不同，在船舶结构和性能方面各具特色。随着经济技术的发 展，船舶也越来越向大型化、自动化、快速化、专业化、标准化的方向发展。 衡量和反映船舶发展水平的可量化的指标有船舶的船长、吃水、载重吨位、航 行速度等。 ( 6 ) 其他因素。影响船舶交通流量预测的因素还有区域的自然地理特征和 环境变量，如地形地貌、气象、水文等；国家的经济政策、产业政策等人为因 素和自然灾害等非人为因素；社会、政治因素等。此类因素的影响带有一定的 偶然性，很难以量化指标来衡量，通常在模型中以调节参量或残差来处理。 将以上因素分析总结如图2 2 所示。 厢飘爵爻通匿毽1 i 影响因索 i 因素 i 岔运期 网发展 i 运 客 澎输 酯囊 篓；簇藿 ；栏 i ； 一l l 港口 发展 l 港；港l 港l 矬藿 尚 航道运输髓 l 力及规划 l j 1 上 航 l 孽+ 航! 航 趣邀邀 过：宽水 能：度：深 力h 因素 区 域 自 然 社 政! 会 图2 - 2 船舶交通流量影响因素指标体系 通过以上的分析，找出了影响船舶交通流量的相关因素，但不同的水域和 航道，影响船舶交通流量的因素可能有所不同，在预测中，需要根据具体的情 况对以上诸多因素加以分析和取舍，选择主要的因素来对船舶交通流量进行预 测。 筒定资产投资颈 一 一 产业结构 一 一 进小u 贸易额 一 t农业生产总值 一 固比生产总值 武汉理工大学硕士学位论文 第3 章基于b p 人工神经网络的船舶交通流量预测 模型的构建 3 1 神经网络的发展概况 人工神经网络的研究始于上世纪4 0 年代。半个多世纪以来，它经历了一条 由兴起到衰退、又由衰退到兴盛的曲折发展过程【1 3 】。 1 9 4 3 年美国心理学家w 5 ，m e c u l l o c h 和数学家w 2 i t t s 合作，用逻辑的数学 工具研究客观事件在形式神经网络中的表述，从而开创了对神经网络的理论研 究。他们在分析、总结神经元基本特性的基础上，首先提出了神经元的基本数 学模型，即m p 模型。神经元模型的出现开创了人工神经网络研究的先河，并为 后继的研究提供了依据。 1 9 4 9 年，心理学家d o h e b b 提出了一种调整神经网络连接权值的规则。他 认为，学习过程是在神经元的突触上发生的，连接权值的调整正比于两个相连 神经元活动状态的乘积，这就是著名的h e b b 学习算法。一直到现在，h e b b 学 习算法仍然是神经网络算法中一个极为重要的学习算法。 1 9 5 7 年e r o s e n b l a t t 首次提出了著名的感知器( p e r c e p t i o n ) 模型，这是第 一个真正的人工神经网络模型，从而确立了从系统角度研究人工神经网络的基 础，掀起了研究人工神经网络的新高潮。 1 9 6 9 年，美国麻省理工学院著名的人工智能专家m m i n s k y 和s p a p e r s 共同 出版了名为感知器的专著，指出单层的感知器神经网络只能用于线性问题 的求孵，而对于像晃或这样简单的非线性问题却无法求解。m i n s k y 的悲观结论 对当时神经网络的研究是一个沉重的打击。由于当时计算机技术还不够发达， 因而很多人放弃了对神经网络的研究，致使在这以后的1 0 年中，神经网络的研 究进入了一个缓慢发展的低潮期。整个2 0 世纪7 0 年代，只有线性神经网络模 型、自组织识别神经网络模型等少数模型出现。 1 9 8 2 年，美国加州理工学院生物物理学家j o h n j h o p f i e l d 博士提出了著名 的h o p f i e l d 网络模型。该模型首次引入了网络能量的概念，并给出了网络稳定 性判断依据。 h o p f i e l d 网络不仅在理论分析与综合上均达到了相当的深度，最有意义的是 1 2 武汉理工大学硕士学位论文 该网络很容易用集成电路来实现。这一研究成果使得神经网络的研究取得了突 破性的进展，从而掀起了神经网络研究的新热潮。 1 9 8 6 年d e r r u m e l h a r t 和j l m c c d l a n d 及其研究小组提出了误差反向传播 算法，即b p 算法，成为至今影响最大、应用最广的一种神经网络学习算法，为 神经网络研究新高潮的到来起到了推波助澜的作用。 2 0 世纪8 0 年代中期以来，神经网络的应用研究取得了很大的成绩，涉及面 也非常之广泛。国际神经网络学会于1 9 8 7 年正式成立，并于同年在美国圣地亚 哥召开了第一届国际神经网络会议。进入2 0 世纪9 0 年代，随着i e e e 神经网络 会刊的闻世，各种论文专著逐年增加，在全世界范围内逐步形成了研究神经网 络前所未有的新高潮【1 4 1 。 从众多神经网络的研究和应用成果不难看出，神经网络的发展具有较强的 生命力。尽管目前的神经网络的智能水平还不是很高，许多理论性和应用性问 题都还未得到很好的解决。但是，随着人们对大脑信息处理机制认识的日益加 深，以及不同智能学科领域之间的相互交叉渗透，人工神经网络必将对智能科 学的发展发挥更大的作用。 3 2 神经网络简介 广义上讲的神经网络是指生物神经网络和人工神经网络这两个方面。人工 神经网络就是所谓的第六代计算机，简称神经网络，简写为a n n ( a r t i f i d a ln e u r a l n e t w o r k s ) 【l5 1 。目前，关于人工神经网络的定义尚不统一。例如，美国国防研 究计划局关于人工神经网络的解释为：人工神经网络是一种由许多简单的并行 工作的处理单元组成的系统，其功能取决于网络的结构、连接强度以及各单元 的处理方式。美国神经网络学家h e c h tn i e l s e n 关于人工神经网络的定义为：神 经网络是由多个简单的处理单元彼此按某种方式相互连接而形成的计算机系 统，该系统是靠其状态对外部输入信息的动态响应来处理信息的【吲。 综合人工神经网络的来源、特点及定义解释，可以简单表述为：入工神经 网络就是由许多简单的彼此之间高度互联的处理单元组成，这些单元是模仿大 脑中的神经元设计成的【i 刀f 1 8 j 。 神经网络具有自组织、自适应、并行处理等特性和很强的非线性映射能力， 使得其在船舶交通流量预测中具有传统单项模型无法比拟的优越性和适应性。 1 3 武汉理工大学硕士学位论文 其优点主要表现在以下几个方面： ( 1 ) 高度的并行性 人工神经网络是由许多相同的简单处理单元并联组合而成，虽然每个单元 的功能简单，但大量简单处理单元的并行活动使其对信息的处理能力效果惊人。 ( 2 ) 高度的非线性全局作用 人工神经网络每个神经元接受大量其它神经元的输入，并通过并行网络产 生输出，影响其它神经元。网络之间的这种互相制约和互相影响，实现了从输 入状态到输出状态空间的非线性映射。从全局的观点来看，网络整体性能不是 网络局部性能的简单迭加，而表现出某种集体性的行为。这一特性给非线性控 制问题带来了新的希望。神经网络能够映射船舶交通流量各影响因素之间存在 的非线性关系。 ( 3 ) 良好的容错性与联想记忆功能 人工神经网络通过自身的网络结构能够实现对信息的记忆。而所记忆的信 息是存储于神经元之间的权值中。从单个权值中看不出所储存的信息内容，因 而是分布式的存储方式。这使得网络具有良好的容错性，并能进行聚类分析、 特征提取、缺损模式复原等模式信息处理工作：又宜于做模式分类、模式联想 等模式识别工作。人工神经网络较强的信息处理能力能够解决船舶交通流量影 响因素多、数据量大的问题。 ( 4 ) 强大的自适应、自学习功能 神经网络是通过研究过去的数据记录来进行训练的。一个经过适当训练的 神经网络具有归纳全部数据的能力。因此，神经网络能够解决那些由数学模型 或描述规则难以处理的控制过程能力。该特性为建立准确的船舶交通流量预测 模型提供了可能。 3 3 神经网络原理 人工神经网络是由生物神经网络抽象而来的，而最为发达的生物神经网络 就是人类的大脑。人类的大脑大约由1 0 1 1 个神经细胞( n e r v e c e l l s ) 组成，每 个神经细胞又有1 0 4 个突触( s y n a p s e s ) 与其它细胞互相联结成一个非常复杂 的神经网络【1 9 1 。 神经细胞是脑组织的基本单元，一个神经细胞由一个细胞体( c e l l b o d y ) ， 1 4 武汉理工大学硕士学位论文 一些分支凸起的树突( d e n d r i t e ) 和一个单分支的轴突( a x o n ) 组成。每一 部分虽具有各自的功能，但相互之间是互补的。树突是细胞的输入端，通过细 胞体间联结的“突触”接受四周细胞传出的神经冲动，当其所接受的神经冲动 ( i m p u l s e ) 超过某一特定的阀值( t h r e s h o l d ) 时，这个神经细胞就会被激发， 并产生一个神经冲动传递到轴突。轴突相当于细胞的输出端，其端部的众多神 经末梢为信号的输出端子，用于传出神经冲动。 神经细胞具有兴奋和抑制的两种工作状态。当传入的神经冲动，使细胞膜 电位升高到阀值约为4 0 m v 时，细胞进入兴奋状态，产生神经冲动，由轴突输 出。相反，若传入的神经冲动，使细胞膜电位下降到低于阀值时，则细胞进入