刘小东，黄洪琼

（上海海事大学 信息工程学院，上海201306）

近年来，水运总量突飞猛进，造就了我国沿海及长江流域等地的各条“黄金水道”，为我国的经济、社会发展做出了重要贡献。但同时，水运量的增加使水上交通事故频发，造成了巨大的损失，这对水道的设计、规划和船舶通航资源管理的优化配置提出了更高的要求。船舶流量预测的研究为水道的设计、规划和船舶通航管理提供了基础性依据。

[1]提出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实现了船舶流量的预测。参考文献[2]根据组合预测的思想，将三种算法进行智能融合构建一种新的智能预测系统。参考文献[3]利用系统工程的相关原理，提出了基于BP神经网络的数学模型。以上方法各有优缺点，预测精度往往不高，算法稳定性较差。为此，本文提出一种数据融合的BP神经网络预测算法，进一步提高船舶流量的预测精度及算法的稳定性。

1 船舶交通流量预测原理

船舶流量预测指定性预测和定量预测[4]。船舶流量的预测主要受客观环境和算法模型影响，抛开客观因素，算法将是解决预测精度不高的主要因素。船舶流量的预测具有时变、不确定、非线性特征，神经网络模型[5]具有很强的非线性预测能力和泛化能力。本文在选取BP神经网络模型时，引入数据融合机制，其预测原理结构如图1所示。

图1 船舶流量预测原理图

2 数据融合BP算法模型

2.1 BP神经网络……

登录APP查看全文