基于AIS的船舶交通流的预测与仿真研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景、目的和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 交通流预测研究现状 | 第9-11页 |
| 1.2.2 船舶交通流仿真研究现状 | 第11-12页 |
| 1.3 论文的研究内容 | 第12-14页 |
| 1.3.1 论文主要研究内容 | 第12-13页 |
| 1.3.2 论文组织结构 | 第13-14页 |
| 第2章 船舶交通流相关知识 | 第14-21页 |
| 2.1 船舶交通流理论 | 第14-18页 |
| 2.1.1 船舶交通流特性 | 第14页 |
| 2.1.2 船舶交通流基本参数 | 第14-17页 |
| 2.1.3 船舶交通流参数间的关系 | 第17-18页 |
| 2.2 船舶交通流预测概述 | 第18-20页 |
| 2.2.1 船舶交通流预测理论 | 第18-19页 |
| 2.2.2 交通流预测的评价指标 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 交通流预测模型的建立与优化 | 第21-37页 |
| 3.1 神经网络概述 | 第21-24页 |
| 3.1.1 神经网络的发展 | 第21-22页 |
| 3.1.2 人工神经元模型 | 第22-23页 |
| 3.1.3 神经网络的学习 | 第23-24页 |
| 3.2 小波神经网络预测模型 | 第24-32页 |
| 3.2.1 几种常见的小波函数 | 第24-26页 |
| 3.2.2 小波神经网络理论基础 | 第26-27页 |
| 3.2.3 小波神经网络的常用算法 | 第27-29页 |
| 3.2.4 小波神经网络预测模型的建立 | 第29-32页 |
| 3.3 小波神经网络预测模型的优化 | 第32-36页 |
| 3.3.1 粒子群优化算法概述 | 第32-35页 |
| 3.3.2 粒子群优化算法的改进 | 第35页 |
| 3.3.3 粒子群优化神经网络 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 交通流预测模型的仿真实验 | 第37-47页 |
| 4.1 船舶流量的获取和分析 | 第37-41页 |
| 4.1.1 AIS数据的解析 | 第37-39页 |
| 4.1.2 交通流数据的筛选 | 第39-41页 |
| 4.2 小波神经网络参数的确定 | 第41-43页 |
| 4.2.1 样本数据的预处理 | 第41-42页 |
| 4.2.2 神经网络结构的确定 | 第42-43页 |
| 4.3 交通流预测结果及分析 | 第43-46页 |
| 4.3.1 小波神经网络预测模型仿真 | 第43-44页 |
| 4.3.2 粒子群优化小波神经网络模型的仿真 | 第44-45页 |
| 4.3.3 船舶交通流预测模型对比分析 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 港口服务系统的仿真 | 第47-62页 |
| 5.1 排队论理论 | 第47-54页 |
| 5.1.1 排队论概述 | 第47-48页 |
| 5.1.2 排队系统的组成 | 第48-50页 |
| 5.1.3 排队模型计算 | 第50-54页 |
| 5.2 基于排队论的港口交通流仿真 | 第54-61页 |
| 5.2.1 确定仿真模型 | 第54-57页 |
| 5.2.2 仿真实现 | 第57-61页 |
| 5.3 本章小结 | 第61-62页 |
| 第6章 结论与展望 | 第62-64页 |
| 6.1 论文总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士学位期间发表的论文及研究成果介绍 | 第68页 |
