柳成
- 作品数：12 被引量：33H指数：4
- 供职机构：大连海事大学更多>>
- 发文基金：中央高校基本科研业务费专项资金交通部应用基础研究项目国家自然科学基金更多>>
- 相关领域：交通运输工程自动化与计算机技术天文地球更多>>
- 基于支持向量机的模块化潮汐预报
- 潮汐预报在船舶航行、港口建设、沿岸生产等领域应用广泛。随着船舶的大型化以及对航运效率要求的提高，对潮汐预报精度的要求越来越高，提高潮汐预报精度愈发成为相关领域的热点。而支持向量机作为近20年来最受关注的机器学习算法之一，...
- 柳成
- 关键词：潮汐预报模块化支持向量机图形用户界面
- 文献传递
- 基于SAPSO-BP网络模型的港口潮汐实时预报被引量：7
- 2017年
- 为了提高港口码头潮汐预报的精度,提出一种自适应变异的粒子群优化算法SAPSO,将SAPSO优化算法与BP神经网络结合,用以潮汐水位的实时预报。SAPSO-BP网络模型运用自适应变异的PSO算法优化BP神经网络的网络参数,克服了传统BP神经网络所具有的对初始权值阈值敏感、容易陷入局部极小值的缺点,最后选用Isabel港口的实测潮汐值数据进行潮汐水位的实时预报仿真试验,用以验证SAPSO-BP预测模型的实用性和可靠性。
- 张泽国尹建川柳成张心光
- 关键词：BP神经网络自适应粒子群优化
- 一种基于GUI的模块化支持向量机潮汐预测方法
- 本发明公开了一种基于GUI的模块化支持向量机潮汐预测方法，包括以下步骤：S1:获取潮汐站监测到的连续序列式潮位信息和利用调和分析法预测的潮汐值，S2：将潮位站获取的潮汐实测值与调和分析法预测的潮汐值做差，得到的非天文潮的...
- 尹建川柳成张泽国
- 文献传递
- 一种基于自适应变异粒子群优化的潮汐智能实时预报方法
- 本发明公开了一种基于自适应变异粒子群优化的潮汐智能实时预报方法，包括以下步骤：载入潮汐实测数据；构建SAPSO‑BP网络预报模型；计算误差函数；循环迭代寻优；设置BP神经网络的网络参数。本发明借鉴遗传算法GA中的变异思想...
- 尹建川张泽国柳成
- 文献传递
- 基于灰色模型粒子群优化算法的自适应神经模糊推理系统模型的船舶横摇运动预报分析被引量：7
- 2016年
- 为了准确高效的预测船舶在波浪中的航行状态以保证人员、货物和船舶的安全,提出了一种基于灰色模型粒子群优化算法的自适应神经模糊推理系统(grey particle swarm optimization-adaptive neural-fuzzy inference system,GPSO-ANFIS)。GPSO-ANFIS预测模型使用模糊C均值聚类算法对输入样本进行聚类分析,得到模糊规则数量并建立神经模糊推理系统;再使用粒子群优化算法对建立的预测系统进行优化训练,从而得到最优的预测系统模型。其中灰色模型用于横摇数据的预处理,以便削弱横摇状态中的非线性影响因素。最后通过实船"育鲲"轮的横摇数据进行仿真实验。实验结果验证了GPSO-ANFIS模型的实用性和可行性,具有较高的预测精度。并为船舶航行智能化提供了一种有价值的理论依据。
- 张泽国尹建川胡江强柳成
- 关键词：船舶横摇运动时间序列预测粒子群优化算法自适应神经模糊推理系统
- 基于粒子群优化算法的小波神经网络模型船舶横摇实时预测方法
- 本发明公开了一种基于粒子群优化算法的小波神经网络模型船舶横摇实时预测方法，包括以下步骤：S1:载入实测的船舶横摇数据信息，将横摇数据进行归一化处理；S2：构建基于粒子群优化算法的小波神经网络模型；S3：进入迭代过程，计算...
- 尹建川张泽国柳成
- 文献传递
- 基于自适应变异PSO-BP算法的船舶横摇运动预测被引量：6
- 2016年
- 为了准确高效预测船舶在海上的航行状态,以保证人员、货物和船舶的安全,提出一种自适应变异的粒子群优化算法(self-adapting particle swarm optimization algorithm,SAPSO),将该算法与误差反传(back propagation,BP)神经网络结合。SAPSO-BP预测模型使用SAPSO算法优化BP网络的网络参数。克服传统BP神经网络对初始权值阈值敏感,容易陷入局部极小值的缺点,同时也克服了传统PSO算法早熟收敛、搜索准确度低及迭代效率低等缺点。运用该模型对科研教学船"育鲲"轮在海上航行的横摇情况进行实时预测实验,验证该方法的可行性与有效性具有较高的预测精度。
- 张泽国尹建川柳成
- 关键词：船舶横摇运动前向神经网络自适应变异时间序列预测
- 基于改进支持向量机的船舶纵摇预报模型被引量：2
- 2016年
- 为了提高船舶纵摇预报的精度,本文提出一种基于粒子群优化算法和灰色模型改进的支持向量机预报模型,首先通过灰色模型对原始纵摇数据进行处理,再通过粒子群算法对支持向量机的参数进行优化,使其获得最优的训练效果以提高预测精度,最后使用大连海事大学教学试验船"玉鲲"的实船纵摇数据对模型进行仿真测试,实验结果表明该模型具有较高的预测精度。
- 柳成李克奇秦皓王玉玺
- 关键词：支持向量机粒子群优化算法
- 一种高精度的短期潮汐预报模型被引量：12
- 2016年
- 为提高潮汐预报的精度,提出一种基于支持向量机(Support Vector Machine,SVM)的模块化潮汐实时预报模型.将潮汐分为受天体引潮力影响的天文潮和受环境因素和其他因素影响的非天文潮,分别使用调和分析法和改进的SVM对天文潮和非天文潮进行预报,结合两种方法的输出构造最终的潮汐预报结果.在对非天文潮的预测中,将SVM与灰色模型相结合,并利用粒子群优化(Particle Swarm Optimization,PSO)算法对SVM的参数进行优化以提高预报精度.利用火奴鲁鲁港口的实测潮汐数据进行实时潮汐预报仿真.仿真结果表明该方法具有较高的短期预报精度.
- 柳成尹建川
- 关键词：潮汐预报
- 一种基于自适应变异粒子群优化的潮汐智能实时预报方法
- 本发明公开了一种基于自适应变异粒子群优化的潮汐智能实时预报方法，包括以下步骤：载入潮汐实测数据；构建SAPSO‑BP网络预报模型；计算误差函数；循环迭代寻优；设置BP神经网络的网络参数。本发明借鉴遗传算法GA中的变异思想...
- 尹建川张泽国柳成
- 文献传递
