科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高海上监控系统效率,有效预测船舶航行行为,建立了基于极限学习机的船舶航行行为预测模型。该模型针对航行状态的改变(主要为转向或变速),采取自动调整采样周期的方法更精准的训练网络,从而提高对船舶行为的预测精度。最后,利用琼州海峡的船舶自动识别系统(Automatic Identification System,AIS)信息将设计的预测模型与现有的灰色关联和BP模型进行对比。仿真结果表明:设计的算法有效地降低了船舶在转向及变速前后的预测误差;通过曼-惠特尼U检验证明,设计的基于极限学习机的船舶航行行为预测模型相比于传统BP神经网络及灰色关联模型,在预测精度方面具有更大的优势。
- 单位
