柳成

作品数：6被引量：34H指数：4
导出分析报告
供职机构：大连海事大学更多>>
发文主题：潮汐潮汐预报支持向量机粒子群优化模块化更多>>
发文领域：交通运输工程自动化与计算机技术天文地球更多>>
发文期刊：《上海海事大学学报》《舰船科学技术》《水运工程》《科学技术与工程》更多>>
所获基金：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辽宁省科技厅基金更多>>
-
在结果中检索

检索结果分析

署名顺序

  • 全部
  • 第一作者
结果分析中...
共 条 记 录，以下是1-6
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于Grey-GMDH的模块化实时潮汐预报被引量：4
《中国海洋大学学报（自然科学版）》2018年第11期140-146,共7页张泽国 尹建川 柳成 
国家自然科学基金项目(51279106;51379002);中央高校基本科研业务经费项目(3132016116;3132016314);交通部应用基础研究项目(2014329225010);辽宁省教育厅项目(L2014214)资助~~
为了提高潮汐水位的实时预测精度,本文提出了一种基于灰色的数据处理群模块化(Grey-GMDH)潮汐水位实时预测模型。模块化将潮汐分解为两部分:由天体引潮力形成的天文潮部分和由各种天气以及环境因素引起非天文潮部分。使用Grey-GMDH模型...
关键词：潮汐水位实时预报 调和分析法 模块化 数据处理群网络 灰色模型 
基于SAPSO-BP网络模型的港口潮汐实时预报被引量：7
《水运工程》2017年第1期34-40,共7页张泽国 尹建川 柳成 张心光 
国家自然科学基金项目(51379002;51279106)
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...
关键词：BP神经网络 自适应 粒子群优化 港口潮汐水位实时预测 调和分析 
基于自适应变异PSO-BP算法的船舶横摇运动预测被引量：8
《舰船科学技术》2016年第12期69-73,共5页张泽国 尹建川 柳成 
国家自然科学基金资助项目(51279106;51009017;51379002);中央高校基本科研业务经费资助项目(3132016116;3132016314);交通部应用基础研究项目(2014329225010);辽宁省自然科学基金资助项目(2014025008)
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。SAPS...
关键词：船舶横摇运动 前向神经网络 自适应变异 粒子群优化算法 时间序列预测 
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
《科学技术与工程》2016年第33期124-129,共6页张泽国 尹建川 胡江强 柳成 
国家自然科学基金项目(51279106;51009017;51379002);中央高校基本科研业务经费项目(3132016116;3132016314);交通部应用基础研究项目014329225010);辽宁省教育厅一般项目(L2014214)资助
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)。GP...
关键词：船舶横摇运动 灰色模型 时间序列预测 粒子群优化算法 自适应神经模糊推理系统 
基于改进支持向量机的船舶纵摇预报模型被引量：2
《中国水运》2016年第11期42-44,共3页柳成 李克奇 秦皓 王玉玺 
交通部应用基础研究项目2014329225010;辽宁省教育厅一般项目L2014214;中央高校基本科研业务经费项目3132016116
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...
关键词：支持向量机 粒子群优化算法 纵摇预报 灰色模型 
一种高精度的短期潮汐预报模型被引量：12
《上海海事大学学报》2016年第3期74-80,共7页柳成 尹建川 
中央高校基本科研业务经费(3132016116);交通运输部应用基础研究项目(2014329225010);辽宁省教育厅科学研究一般项目(L2014214)
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...
关键词：潮汐预报 模块化方法 调和分析法 支持向量机(SVM) 灰色模型 粒子群优化(PSO) 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部