基于改进广义回归神经网络的渔船流量预测

蒋庆朝，陈孟婕

（中国水产科学研究院渔业工程研究所，北京 100141）

0 引言

近年来，随着我国渔业和水运的迅猛发展，渔船的数量也越来越多，对交通繁忙的水道产生了极大的压力，使得许多港口的船舶交通流量猛增，航道变得拥挤，船舶在港等候时间和非作业时间延长，造成水上事故频发，产生了大量的经济损失。因此，为了提高渔港的调度管理和规划设计，必须建立一个船舶流量的预测模型[1]。

渔港船舶交通流量是指在一定时间内通过港口的所有船舶数量。交通流量越大，说明渔港的交通越繁忙。通过流量统计可以掌握渔船具体的进出港动态以及锚泊信息，了解航道的拥堵情况，并且可以根据流量统计信息，对水道的规划设计以及船舶的管理进行优化，合理分配资源[2]。船舶交通流量的预测一般基于统计的方法，可以分为定性和定量两种[3]。其中，定性方法是依靠过往经验人为的对流量进行分析预测，例如经验分析和专家判断。因此，这种方法的预测结果在细节上比较模糊，预测的准确性不高。定量预测方法则是采用数学模型对历史数据进行分析计算而得到具体数值的方法。通常有回归分析法[4]、灰色分析法、神经网络方法[5]以及组合预测模型。回归分析法是一种数理统计方法，建立了因变量和自变量之间的函数关系。自变量的选取会极大地影响预测结果的准确性，因此，需要先对变量的相关性进行分析，排除相关性较低的变量。……