典型文献
基于矩阵分解的船舶交通流预测方法研究
文献摘要：
针对船舶交通流具有非线性及复杂性等特点,同时在传统交通流预测方法中对于交通流时空特征考虑不足,而造成预测结果精度不高.提出一种基于低秩稀疏矩阵分解(low rank and sparse decomposition,LRSD)与贝叶斯概率矩阵分解(Bayesian probabilistic matrix factorization,BPMF)结合的船舶交通流预测方法,将一维船舶交通流时序数列转换为二维船舶交通流矩阵,通过L RSD对二维船舶交通流矩阵中平稳性数据和波动性数据分解为低秩矩阵和稀疏矩阵.对于分解后的低秩稀疏矩阵运用BPM F模型进行预测,将两个预测后的矩阵进行恢复,得到最终的预测结果.同时与GM,ARIMA,WNN,BPNN,LSTM,BPMF模型的预测结果进行对比.实验结果表明:所提出的基于LRSD与BPM F组合的预测结果均方根误差平均值为2.62,标准差平均值为0.034,预测精度及结果可信度高于各对比预测模型.
文献关键词：
交通安全;船舶交通流;预测;矩阵分解;组合模型
中图分类号：
作者姓名：
高广旭;刘敬贤;刘奕;李宗志
作者机构：
武汉理工大学航运学院 武汉 430063;武汉理工大学内河航运技术湖北省重点实验室 武汉 430063;国家水运安全工程技术研究中心 武汉 430063;伊利诺伊理工大学 芝加哥 IL 60616
文献出处：
引用格式：
[1]高广旭;刘敬贤;刘奕;李宗志-.基于矩阵分解的船舶交通流预测方法研究)[J].武汉理工大学学报（交通科学与工程版）,2022(01):171-176
A类：
LRSD,贝叶斯概率矩阵分解,BPMF
B类：
船舶交通流,交通流预测,流时,时空特征,低秩稀疏,稀疏矩阵,low,rank,sparse,decomposition,Bayesian,probabilistic,matrix,factorization,序数,数列,流矩阵,中平,平稳性,波动性,数据分解,低秩矩阵,矩阵和,GM,ARIMA,WNN,BPNN,可信度,交通安全,组合模型
AB值：
0.235495
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
