改進(jìn)BP神經(jīng)網(wǎng)絡(luò)公路旅游客流量預(yù)測(cè)

本文以動(dòng)態(tài)交通控制理論為基礎(chǔ),應(yīng)用神經(jīng)網(wǎng)絡(luò)理論和matlab仿真軟件,建立交通流量預(yù)測(cè)模型。給出了基于改進(jìn)bp算法的交通流動(dòng)態(tài)時(shí)序的預(yù)測(cè)算法仿真實(shí)驗(yàn),并利用試驗(yàn)得到的結(jié)果對(duì)該算法的適用性和局限性進(jìn)行了驗(yàn)證。

本文首先根據(jù)北京城市軌道交通網(wǎng)絡(luò)的特點(diǎn)，以靜態(tài)非平衡分配模型中的最短路徑分配為理論基礎(chǔ)，實(shí)現(xiàn)歷史客流在斷面上的分配，得到具有參考價(jià)值的斷面客流。然后通過大量bp神經(jīng)網(wǎng)絡(luò)建模試驗(yàn)，對(duì)北京城市軌道交通客流預(yù)測(cè)問題，建立了合理的預(yù)測(cè)模型。最后利用bp神經(jīng)網(wǎng)絡(luò)模型對(duì)13號(hào)線西直門站至2號(hào)線西直門站的換乘斷面客流進(jìn)行預(yù)測(cè)，并與最小二乘擬合結(jié)果進(jìn)行對(duì)比分析，得出合理的客流預(yù)測(cè)結(jié)果。

準(zhǔn)確的交通流預(yù)測(cè)是智能交通系統(tǒng)的關(guān)鍵技術(shù),為此,本文以衡大高速為研究對(duì)象,提出基于ga-bp神經(jīng)網(wǎng)絡(luò)的衡大高速日交通流量預(yù)測(cè)方法。本文通過閾值方法對(duì)微波車檢器數(shù)據(jù)進(jìn)行預(yù)處理,根據(jù)ga-bp神經(jīng)網(wǎng)絡(luò)算法建立了交通流量預(yù)測(cè)模型,并通過計(jì)算機(jī)仿真驗(yàn)證對(duì)比預(yù)測(cè)結(jié)果和實(shí)際流量數(shù)據(jù),其預(yù)測(cè)結(jié)果精度高,可滿足日常交通管理需求,為交通管理提供了有效的技術(shù)支撐、本課題受到河北省交通運(yùn)輸廳科研課題(y-2014022)的支持。

在對(duì)某基坑工程采用bp神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)基坑開挖引起地表變形的分析中,考慮到現(xiàn)有模型可能會(huì)遇到預(yù)測(cè)結(jié)果跳不出訓(xùn)練樣本以及訓(xùn)練時(shí)間較長(zhǎng)的問題,提出采用matlab中的mapminmax函數(shù)進(jìn)行歸一化處理,并基于牛頓法、共軛梯度法和l-m法三種數(shù)值優(yōu)化方法對(duì)bp網(wǎng)絡(luò)訓(xùn)練算法進(jìn)行了改進(jìn).研究結(jié)果表明:與常用的基于梯度下降原則相比,改進(jìn)后的bp神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時(shí)間和預(yù)測(cè)誤差方面均有明顯的優(yōu)勢(shì),采用l-m法的神經(jīng)網(wǎng)絡(luò)在訓(xùn)練樣本時(shí)的迭代次數(shù)最少為74次,采用共軛梯度法的預(yù)測(cè)結(jié)果與實(shí)測(cè)結(jié)果的誤差最大為2.4％,而采用牛頓法神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)值則比較均衡,預(yù)測(cè)結(jié)果相對(duì)最佳.

bp神經(jīng)網(wǎng)絡(luò)是分析處理復(fù)雜非線性問題的一種有效方法,是目前廣泛應(yīng)用的一種神經(jīng)網(wǎng)絡(luò),已被逐漸應(yīng)用于對(duì)宏觀經(jīng)濟(jì)問題的研究中。本文有機(jī)地整合了計(jì)量經(jīng)濟(jì)學(xué)與bp神經(jīng)網(wǎng)絡(luò),建立了基于因果關(guān)系理論來(lái)確定bp網(wǎng)絡(luò)的輸入變量,基于協(xié)整理論來(lái)分析bp網(wǎng)絡(luò)系統(tǒng)的可靠性,基于學(xué)習(xí)率可變的動(dòng)量bp算法的用于研究經(jīng)濟(jì)領(lǐng)域問題的改進(jìn)bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,加強(qiáng)了網(wǎng)絡(luò)模型的理論基礎(chǔ),提高了網(wǎng)絡(luò)模型的質(zhì)量,并將其應(yīng)用于西北建筑業(yè)的預(yù)測(cè)和控制中,取得了令人滿意的效果。

提出一種采用bp神經(jīng)網(wǎng)絡(luò)算法來(lái)預(yù)測(cè)深基坑沉降的方法,結(jié)合具體工程實(shí)例,構(gòu)建了預(yù)測(cè)深基坑周邊地表沉降具體bp神經(jīng)網(wǎng)絡(luò)模型,預(yù)測(cè)結(jié)果表明,該模型有較高的預(yù)測(cè)精度,可作為預(yù)測(cè)沉降的一種新方法。

以高速公路交通流預(yù)測(cè)為研究對(duì)象,簡(jiǎn)化了高速公路宏觀動(dòng)態(tài)交通流模型,利用matlab神經(jīng)網(wǎng)絡(luò)工具建立模型并進(jìn)行網(wǎng)絡(luò)訓(xùn)練與預(yù)測(cè)。對(duì)嘉興站附近高速公路交通流數(shù)據(jù)進(jìn)行了采集、建模和預(yù)測(cè)。從預(yù)測(cè)結(jié)果中得知,基于bp神經(jīng)網(wǎng)絡(luò)交通流預(yù)測(cè)模型具有很高的可靠度,該簡(jiǎn)化的交通流模型更為簡(jiǎn)練,預(yù)測(cè)結(jié)果亦可以點(diǎn)帶面地面描述該站點(diǎn)一定空間及時(shí)間范圍內(nèi)的交通流情況。

針對(duì)傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)存在的缺點(diǎn),提出基于遺傳優(yōu)化的變梯度反向傳播的bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法,采用遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的初始權(quán)重,建立路基沉降預(yù)測(cè)模型。該模型可克服bp神經(jīng)網(wǎng)絡(luò)模型存在的收斂速度慢、易陷入局部極小點(diǎn)等缺點(diǎn)。結(jié)合現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù),將該優(yōu)化模型與指數(shù)曲線模型、雙曲線模型、灰色預(yù)測(cè)模型和傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)比,結(jié)果表明改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)在路基沉降預(yù)測(cè)中精度最高,適宜于廣泛推廣應(yīng)用。

針對(duì)傳統(tǒng)的bp神經(jīng)網(wǎng)絡(luò)存在的缺點(diǎn),提出了用附加動(dòng)量法、自適應(yīng)學(xué)習(xí)速率和l-m優(yōu)化算法等幾種算法進(jìn)行優(yōu)化。通過對(duì)比分析,證明了采用l-m優(yōu)化和附加動(dòng)量因子算法相結(jié)合取得了最優(yōu)的預(yù)測(cè)效果。該方法克服了bp神經(jīng)網(wǎng)絡(luò)模型存在的收斂速度慢、易陷入局部極小點(diǎn)的缺點(diǎn)。結(jié)合現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù),將該優(yōu)化模型與傳統(tǒng)的bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)比,預(yù)測(cè)結(jié)果表明改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)在路基沉降預(yù)測(cè)中精度最高,適宜廣泛采用。

對(duì)公路網(wǎng)規(guī)模與經(jīng)濟(jì)發(fā)展的關(guān)系進(jìn)行了分析,利用格蘭杰因果檢驗(yàn)法篩選指標(biāo),建立了基于bp神經(jīng)網(wǎng)絡(luò)的公路網(wǎng)規(guī)模預(yù)測(cè)模型,并對(duì)安徽省公路網(wǎng)合理規(guī)模進(jìn)行了預(yù)測(cè),以促進(jìn)公路網(wǎng)建設(shè)與發(fā)展。

為了預(yù)測(cè)高速公路路基最終沉降量,首先依據(jù)影響軟土路基沉降的因素選取參數(shù)建立了bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)最終沉降量模型.結(jié)合成都-南充高速公路沉降實(shí)測(cè)資料及其它文獻(xiàn)中大量路基沉降資料,利用bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)了其各自最終沉降量.通過檢驗(yàn)樣本驗(yàn)證,預(yù)測(cè)精度較高,能夠滿足實(shí)際需要.并對(duì)bp神經(jīng)網(wǎng)絡(luò)在公路建設(shè)中的應(yīng)用提出了一些注意事項(xiàng).

軌道交通費(fèi)率清分的實(shí)質(zhì)是在不同線路下網(wǎng)絡(luò)客流分布的問題。在充分考慮乘客出行路徑選擇多要素的基礎(chǔ)上,提出一種基于神經(jīng)網(wǎng)絡(luò)的軌道交通客流清分模型。將影響乘客出行路徑選擇的多要素分為確定性要素和不確定性要素,通過樣本訓(xùn)練神經(jīng)元的抑制系數(shù)和激勵(lì)系數(shù),結(jié)合轉(zhuǎn)換函數(shù)將結(jié)果傳導(dǎo)給輸出層輸出。與傳統(tǒng)模型相比,該模型更符合乘客出行選擇的多要素心理。最后通過對(duì)比客流調(diào)查結(jié)果和logit模型表明,在排除其他要素的干擾下,該方法能夠較好的實(shí)現(xiàn)客流在不同線路的清分。

軌道交通費(fèi)率清分的實(shí)質(zhì)是在不同線路下網(wǎng)絡(luò)客流分布的問題。在充分考慮乘客出行路徑選擇多要素的基礎(chǔ)上,提出一種基于神經(jīng)網(wǎng)絡(luò)的軌道交通客流清分模型。將影響乘客出行路徑選擇的多要素分為確定性要素和不確定性要素,通過樣本訓(xùn)練神經(jīng)元的抑制系數(shù)和激勵(lì)系數(shù),結(jié)合轉(zhuǎn)換函數(shù)將結(jié)果傳導(dǎo)給輸出層輸出。與傳統(tǒng)模型相比,該模型更符合乘客出行選擇的多要素心理。最后通過對(duì)比客流調(diào)查結(jié)果和logit模型表明,在排除其他要素的干擾下,該方法能夠較好的實(shí)現(xiàn)客流在不同線路的清分。

文章主要對(duì)江西高速公路信息中心建設(shè)中的道路氣象監(jiān)測(cè)平臺(tái)和交通應(yīng)急監(jiān)控平臺(tái)做了一些具體的研究。主要研究?jī)?nèi)容首先是道路氣象監(jiān)測(cè)平臺(tái)監(jiān)測(cè)各路段及關(guān)鍵點(diǎn)的各種異常交通環(huán)境因素變化和氣象狀況。將數(shù)據(jù)信息及時(shí)傳送到高速公路信息中心基于地理信息系統(tǒng)gis模型，再通過bp神經(jīng)網(wǎng)絡(luò)模型分析路況實(shí)時(shí)氣象數(shù)據(jù)（氣溫、濕度、風(fēng)向、路面溫度、能見度等）與道路車輛行駛狀況（如交通量、速度、道路占有率等）之間的關(guān)系，模擬道路天氣對(duì)道路車輛的影響。

基于甘肅高等級(jí)公路收費(fèi)年收入的統(tǒng)計(jì)數(shù)據(jù),結(jié)合其收入和交通量之間的粗略關(guān)系,運(yùn)用bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)高等級(jí)公路各收費(fèi)站年收入,從而間接地對(duì)高等級(jí)公路交通流量進(jìn)行預(yù)測(cè),為提高高速公路的管理與服務(wù)水平,對(duì)提高高等級(jí)公路管理部門的信息感知能力和應(yīng)急處置能力、提高路網(wǎng)運(yùn)行效率、建設(shè)和諧高等級(jí)公路具有極其重要的意義。

引言高速公路交通量預(yù)測(cè)是高速公路建設(shè)項(xiàng)目可行性研究報(bào)告的一項(xiàng)重要內(nèi)容,它是進(jìn)行交通量現(xiàn)狀評(píng)價(jià)、綜合分析建設(shè)項(xiàng)目的必要性和可行性的基礎(chǔ),是確定高速公路建設(shè)項(xiàng)目的技術(shù)等級(jí)、工程規(guī)模、效益分析的主要依據(jù)。同時(shí),其準(zhǔn)確率直接關(guān)系高速公路投資回報(bào)率,甚至影響項(xiàng)目國(guó)民經(jīng)濟(jì)評(píng)價(jià)及財(cái)務(wù)評(píng)價(jià)。根據(jù)調(diào)查資料和工程項(xiàng)目的性質(zhì)選用不同的預(yù)測(cè)方法,國(guó)內(nèi)、外已提出的各種預(yù)測(cè)方法多達(dá)200種左右,但用于實(shí)際操作的較少,如頭腦風(fēng)暴法、專家預(yù)測(cè)法、

組合預(yù)測(cè)方法與單一預(yù)測(cè)方法相比可以提高預(yù)測(cè)的精度和穩(wěn)定性,因此得到廣泛的應(yīng)用.本文首先概述了組合預(yù)測(cè)的基本思想,然后介紹了基于bp神經(jīng)網(wǎng)絡(luò)的組合預(yù)測(cè)模型,并以吉林省公路貨運(yùn)量為例給出計(jì)算實(shí)例,實(shí)例的預(yù)測(cè)結(jié)果非常理想,同時(shí)也用數(shù)理統(tǒng)計(jì)的方法證明了此模型的適用性.統(tǒng)計(jì)分析和實(shí)踐都證明此模型的可行性和適用性,說明將此模型用于公路交通運(yùn)輸量預(yù)測(cè)是有效可行的.

要對(duì)非線性趨勢(shì)房地產(chǎn)價(jià)格指數(shù)進(jìn)行預(yù)測(cè),就必須利用模擬非線性的模型,采用bp人工神經(jīng)網(wǎng)絡(luò)的改進(jìn)算法,建立了基于bp神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)價(jià)格指數(shù)預(yù)測(cè)模型。結(jié)果表明:該模型預(yù)測(cè)精度較高,能較好地反映房地產(chǎn)價(jià)格指數(shù)內(nèi)在變化規(guī)律。

海軍艦船特裝修理費(fèi)用影響因素多,各因素作用機(jī)理不明晰,建模預(yù)測(cè)難度大。bp神經(jīng)網(wǎng)絡(luò)對(duì)于解決這類“黑箱”問題優(yōu)勢(shì)明顯,可通過自我學(xué)習(xí)訓(xùn)練建立模型。以某型艦船特裝修理費(fèi)用為例,充分利用稀缺的歷史數(shù)據(jù),運(yùn)用改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)建立費(fèi)用預(yù)測(cè)模型,并進(jìn)行了特裝修理費(fèi)用預(yù)測(cè),預(yù)測(cè)精度優(yōu)于傳統(tǒng)模型,可應(yīng)用于管理決策活動(dòng)中。

依據(jù)客運(yùn)專線客流的成因,將其分為趨勢(shì)客流、誘增客流和轉(zhuǎn)移客流。運(yùn)用灰色預(yù)測(cè)模型對(duì)趨勢(shì)客流進(jìn)行預(yù)測(cè);采用以gdp和常住人口數(shù)量作為影響因素的改進(jìn)型重力模型對(duì)誘增客流進(jìn)行探討;利用mnl(multi-nominallogit)模型來(lái)預(yù)測(cè)轉(zhuǎn)移客流。以某規(guī)劃中的客運(yùn)專線為例,對(duì)文中的預(yù)測(cè)模型進(jìn)行闡述,以驗(yàn)證本模型對(duì)于客運(yùn)專線客流預(yù)測(cè)的正確性。

建筑節(jié)能是當(dāng)今城市建設(shè)和社會(huì)發(fā)展的前沿和研究熱點(diǎn),對(duì)建筑的能耗現(xiàn)狀進(jìn)行綜合分析與評(píng)估是進(jìn)行節(jié)能改造或節(jié)能設(shè)計(jì)的前提和基礎(chǔ),而建立反映能耗變化的預(yù)測(cè)模型是從宏觀尺度上分析認(rèn)識(shí)建筑能耗變化與發(fā)展特性、為公共建筑節(jié)能工作提供決策依據(jù)的有效途徑和重要手段。研究針對(duì)常規(guī)bp網(wǎng)絡(luò)算法收斂速度慢、易陷入局部最小點(diǎn)的缺點(diǎn),采用了具有較快收斂速度及穩(wěn)定性的lm算法進(jìn)行預(yù)測(cè),構(gòu)造了基于bp神經(jīng)網(wǎng)絡(luò)的建筑物用電量預(yù)測(cè)模型。以某市公共建筑原始用電能耗統(tǒng)計(jì)數(shù)據(jù)作為樣本,并采用matlab對(duì)預(yù)測(cè)模型進(jìn)行了仿真預(yù)測(cè)。結(jié)果顯示:誤差在允許范圍內(nèi)。

bp神經(jīng)網(wǎng)絡(luò)在基坑變形預(yù)測(cè)分析中的應(yīng)用——本文提出了基坑變形預(yù)測(cè)與分析的bp神經(jīng)網(wǎng)絡(luò)方法，建立了基坑變形預(yù)測(cè)分析的模型，應(yīng)用matlab語(yǔ)言編制計(jì)算程序進(jìn)行計(jì)算并與實(shí)際工程監(jiān)測(cè)值進(jìn)行比較，從而驗(yàn)證了神經(jīng)網(wǎng)絡(luò)在基坑變形預(yù)測(cè)分析中的可行性、有效性?！　?/p>