随着我国水上交通运输事业的大力发展,各类船舶的数目日益增多,水上交通事故时有发生。我国是航运大国,做好准确、有效的水上交通事故预测对水上交通安全起着重要的作用。准确的预测,势必减少人员伤亡和财产损失。 本文首先讲解了运用BP神经网络进行水上交通事故预测的原理,并分析了影响水上交通事故的诸多因素,而且进行了量化处理。BP神经网络由大量处理单元组成,具有很强的平行计算、学习、容错和抗干扰能力,由输入向量和目标输出向量来训练网络并建立模型。目前BP网络采用误差逆传播算法学习训练神经网络,该算法是基于网络误差函数梯度下降的。为了克服BP网络在学习训练过程中收敛速度慢、容易陷入局部极小的不足,本文采用了自适应的学习速率和附加动量法。水上交通事故是由自然、航道、交通、船舶、船员及管理这6个条件单独或综合作用于人一船一环境所组成的水上交通系统,使系统在其自身的运动中某些因素产生不协调动作而造成的。本文分析了以上因素,并找出主要因素进行了量化处理。 然而,BP网络的模型的实现需要掌握计算机编程语言及较高的编程能力,这在一定程度上不利于神经网络技术的推广和使用。而MATLAB软件提供了一个现成的神经网络工具箱(Neural Network Toolbox,简称NNT),为解决这个难题提供了便利条件。本文详细介绍了利用MATLAB神经网络工具箱进行BP网络模型建立、训练、仿真的编程方法。同时,为了弥补MATLAB在人机交互性能上的欠缺,建立MATLAB与VC++之间的应用程序接口,将VC++灵活强大的编程能力、MATLAB强大的科学计算能力相结合。 最后本文用VC++制作界面,基于MATLAB的神经网络工具箱建立了水上交通事故的BP神经网络预测系统,采取三层BP神经网络,输入层有7个输入神经元(船员平均水上资历、平均船龄、平均标准风天数、水域平均流速、能见度、水深和交通密度),输出层有4个神经元(重大事故、大事故、一般事故和小事故),并通过对长江干线重庆水域的预测来检验模型的效果。实验结果证明了该模型用于水上交通事故预测的可行性,具有很好的应用价值。