论文部分内容阅读
浙江省内河流众多，内河航运资源丰富，随着经济的快速发展，内河的船舶流量也越来越大，航道拥堵现象日益严重。拥堵现象通常是由船舶数量超过内河航道原有的设计通航能力而产生，较多集中在船闸位置。为降低浙江省内河拥堵现象的发生频率，改善内河航运环境，有必要对其进行规划、调度方面的研究。船舶交通流预测可为内河航运的规划、调度提供依据，因此对船舶交通流预测进行研究具有必要性。扩建或新建船闸不仅需要消耗大量的人力、物力，而且需要占用大量社会资源。与之相比，从调度管理的角度出发提高通航能力可有效减少资源占用，具有较高的经济效益和社会效益。 本文在分析比较多种交通流预测方法的基础上，建立了GM-BP-Markov组合预测模型。首先，针对船舶交通流数据样本信息不完全、容量小的特点，利用灰色理论建立GM(1，N)模型;其次，通过引入BP神经网络建立GM-BP预测模型，以此改善对非线性数据的预测效果;最后，为进一步完善GM-BP预测模型对具有波动性数据的预测，建立GM-BP-Markov组合预测模型。 本文还建立了上下游船闸联合调度模型。该模型主要考虑了闸室面积利用率和平均待闸时间两个综合评价指标，并根据过闸船舶数量对指标权重进行划分。在模型求解时，介绍了各约束条件的实现过程，并对闸室编排部分进行详细阐述。最后，通过MATLAB对该联合调度模型进行仿真，结果表明该模型具有较好的可行性。 本文所建立的关于船舶交通流的GM-BP-Markov组合预测模型，同样对其他领域具有“少样本、非线性、波动性”特征的数据预测有一定的借鉴意义。本文建立的上下游船闸联合调度模型，不仅可为浙江省或其他类似内河航道船闸调度优化提供参考，而且也可为今后类似问题研究提供一定的理论依据。