[发明专利]一种基于VMD-FOA-GRNN的船舶流量预测方法

权利要求书

1.一种基于VMD-FOA-GRNN的船舶流量预测方法，其特征在于，包括以下步骤：

步骤1：对船舶流量数据进行预处理，获得预处理后的船舶流量数据；

步骤2：将所述预处理后的船舶流量数据进行突变检验，选取出未突变的船舶流量数据；

步骤3：对所述未突变的船舶流量数据进行变分模态分解，获得分解后的船舶流量数据；

步骤4：基于果蝇优化算法，构建广义回归神经网络，对所述分解后的船舶流量数据进行预测，获得船舶流量数据的预测值；

步骤5：基于味道浓度判定函数，将所述预测值与船舶流量数据的真实值进行误差分析，获得平均绝对百分比，完成船舶流量数据的预测。

2.如权利要求1所述的基于VMD-FOA-GRNN的船舶流量预测方法，其特征在于，所述突变检验包括以下步骤：

步骤2.1：将所述预处理后的船舶流量数据进行M-K(Manner-Kendall)突变检验，获得M-K突变检验的U_F曲线图和U_B曲线图；

步骤2.2：判定所述U_F曲线和U_B曲线在设定阈值的范围内是否存在第一交点；若不存在第一交点，则所述预处理后的船舶流量数据为未突变的船舶流量数据；

步骤2.3：若存在第一交点，则对所述M-K突变检验的U_F曲线和U_B曲线进行滑动t检验，判定所述U_F曲线和U_B曲线在所述滑动t检验中是否存在第二交点；

步骤2.4：若存在第一交点且不存在第二交点，则所述预处理后的船舶流量数据为未突变的船舶流量数据；若存在第一交点且存在第二交点，则所述预处理后的船舶流量数据为突变的船舶流量数据。

3.如权利要求1所述的基于VMD-FOA-GRNN的船舶流量预测方法，其特征在于，所述变分模态分解VMD包括以下步骤：

步骤3.1：将所述未突变的船舶流量数据X(t)分解为一系列有限k个带宽模态函数{u_k}(t),k＝1,2,3...K，且满足：

其中，t为时间；

步骤3.2：基于Hibert变换计算，对每个模态函数{u_k}(t)进行解析计算，获得所述每个模态函数的解析信号；

步骤3.3：根据所述每个模态函数{u_k}(t)的解析信号，对所述每个模态函数{u_k}(t)进行优化分解，获得优化分解后的模态函数；

步骤3.4：在所述优化分解后的模态函数中引入惩罚因子和拉格朗日乘数λ(t)，获得非约束性优化模态函数L({u_k},{w_k},λ)；

步骤3.5：对所述非约束性优化模态函数L({u_k},{w_k},λ)，采用傅里叶变换进行交替更新，获得k个本征模函数即为分解后的船舶流量数据。

4.如权利要求3所述的基于VMD-FOA-GRNN的船舶流量预测方法，其特征在于，所述优化分解满足：

其中，w_k为所述每个模态函数的模式中心；δ(t)为冲击函数；i和j为虚数单位。

5.如权利要求3所述的基于VMD-FOA-GRNN的船舶流量预测方法，其特征在于，所述非约束性优化模态函数L({u_k},{w_k},λ)满足：

其中，a为平衡参数；f(t)为被分解的信号。

6.如权利要求3所述的基于VMD-FOA-GRNN的船舶流量预测方法，其特征在于，所述k个本征模函数满足：

其中，w为随机频率；为f(t)的傅里叶变换。