基于模块化神经网络的船舶航迹航速预测

摘要

为提高船舶航迹航速预测精度,提出一种模块化神经网络(modular neural network,MNN)船舶航迹航速预测方法.首先,利用归一化互信息与专家知识确定预测目标的辅助变量从而分解任务;然后,将径向基函数(radial basis function,RBF)神经网络和Elman神经网络用于子网络搭建,使用减法聚类算法确定初始子网络结构,在此基础上提出误差反馈方法将RBF神经网络训练的最大误差所对应的样本作为隐含层新增神经元并通过粒子群算法(particle swarm optimization,PSO)优化RBF神经网络学习参数,运用性能函数动态调整Elman神经网络隐含层神经元数目以此构造模块化神经网络对目标进行预测;最后预测模型对比实验表明:所提方法具有更加简洁的网络结构与较高的预测精度.