改進BP神經(jīng)網(wǎng)絡(luò)公路旅游客流量預測

本文以動態(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,建立交通流量預測模型。給出了基于改進bp算法的交通流動態(tài)時序的預測算法仿真實驗,并利用試驗得到的結(jié)果對該算法的適用性和局限性進行了驗證。

本文首先根據(jù)北京城市軌道交通網(wǎng)絡(luò)的特點，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)，實現(xiàn)歷史客流在斷面上的分配，得到具有參考價值的斷面客流。然后通過大量bp神經(jīng)網(wǎng)絡(luò)建模試驗，對北京城市軌道交通客流預測問題，建立了合理的預測模型。最后利用bp神經(jīng)網(wǎng)絡(luò)模型對13號線西直門站至2號線西直門站的換乘斷面客流進行預測，并與最小二乘擬合結(jié)果進行對比分析，得出合理的客流預測結(jié)果。

準確的交通流預測是智能交通系統(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測方法。本文通過閾值方法對微波車檢器數(shù)據(jù)進行預處理,根據(jù)ga-bp神經(jīng)網(wǎng)絡(luò)算法建立了交通流量預測模型,并通過計算機仿真驗證對比預測結(jié)果和實際流量數(shù)據(jù),其預測結(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輸廳科研課題(y-2014022)的支持。

在對某基坑工程采用bp神經(jīng)網(wǎng)絡(luò)模型預測基坑開挖引起地表變形的分析中,考慮到現(xiàn)有模型可能會遇到預測結(jié)果跳不出訓練樣本以及訓練時間較長的問題,提出采用matlab中的mapminmax函數(shù)進行歸一化處理,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bp網(wǎng)絡(luò)訓練算法進行了改進.研究結(jié)果表明:與常用的基于梯度下降原則相比,改進后的bp神經(jīng)網(wǎng)絡(luò)在訓練時間和預測誤差方面均有明顯的優(yōu)勢,采用l-m法的神經(jīng)網(wǎng)絡(luò)在訓練樣本時的迭代次數(shù)最少為74次,采用共軛梯度法的預測結(jié)果與實測結(jié)果的誤差最大為2.4％,而采用牛頓法神經(jīng)網(wǎng)絡(luò)的預測值則比較均衡,預測結(jié)果相對最佳.

bp神經(jīng)網(wǎng)絡(luò)是分析處理復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)用于對宏觀經(jīng)濟問題的研究中。本文有機地整合了計量經(jīng)濟學與bp神經(jīng)網(wǎng)絡(luò),建立了基于因果關(guān)系理論來確定bp網(wǎng)絡(luò)的輸入變量,基于協(xié)整理論來分析bp網(wǎng)絡(luò)系統(tǒng)的可靠性,基于學習率可變的動量bp算法的用于研究經(jīng)濟領(lǐng)域問題的改進bp神經(jīng)網(wǎng)絡(luò)預測模型,加強了網(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)的預測和控制中,取得了令人滿意的效果。

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

以高速公路交通流預測為研究對象,簡化了高速公路宏觀動態(tài)交通流模型,利用matlab神經(jīng)網(wǎng)絡(luò)工具建立模型并進行網(wǎng)絡(luò)訓練與預測。對嘉興站附近高速公路交通流數(shù)據(jù)進行了采集、建模和預測。從預測結(jié)果中得知,基于bp神經(jīng)網(wǎng)絡(luò)交通流預測模型具有很高的可靠度,該簡化的交通流模型更為簡練,預測結(jié)果亦可以點帶面地面描述該站點一定空間及時間范圍內(nèi)的交通流情況。

針對傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)存在的缺點,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)預測方法,采用遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的初始權(quán)重,建立路基沉降預測模型。該模型可克服bp神經(jīng)網(wǎng)絡(luò)模型存在的收斂速度慢、易陷入局部極小點等缺點。結(jié)合現(xiàn)場實測數(shù)據(jù),將該優(yōu)化模型與指數(shù)曲線模型、雙曲線模型、灰色預測模型和傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)預測模型對比,結(jié)果表明改進的bp神經(jīng)網(wǎng)絡(luò)在路基沉降預測中精度最高,適宜于廣泛推廣應(yīng)用。

針對傳統(tǒng)的bp神經(jīng)網(wǎng)絡(luò)存在的缺點,提出了用附加動量法、自適應(yīng)學習速率和l-m優(yōu)化算法等幾種算法進行優(yōu)化。通過對比分析,證明了采用l-m優(yōu)化和附加動量因子算法相結(jié)合取得了最優(yōu)的預測效果。該方法克服了bp神經(jīng)網(wǎng)絡(luò)模型存在的收斂速度慢、易陷入局部極小點的缺點。結(jié)合現(xiàn)場實測數(shù)據(jù),將該優(yōu)化模型與傳統(tǒng)的bp神經(jīng)網(wǎng)絡(luò)預測模型對比,預測結(jié)果表明改進的bp神經(jīng)網(wǎng)絡(luò)在路基沉降預測中精度最高,適宜廣泛采用。

對公路網(wǎng)規(guī)模與經(jīng)濟發(fā)展的關(guān)系進行了分析,利用格蘭杰因果檢驗法篩選指標,建立了基于bp神經(jīng)網(wǎng)絡(luò)的公路網(wǎng)規(guī)模預測模型,并對安徽省公路網(wǎng)合理規(guī)模進行了預測,以促進公路網(wǎng)建設(shè)與發(fā)展。

為了預測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)預測最終沉降量模型.結(jié)合成都-南充高速公路沉降實測資料及其它文獻中大量路基沉降資料,利用bp神經(jīng)網(wǎng)絡(luò)預測了其各自最終沉降量.通過檢驗樣本驗證,預測精度較高,能夠滿足實際需要.并對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.

軌道交通費率清分的實質(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,通過樣本訓練神經(jīng)元的抑制系數(shù)和激勵系數(shù),結(jié)合轉(zhuǎn)換函數(shù)將結(jié)果傳導給輸出層輸出。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現(xiàn)客流在不同線路的清分。

軌道交通費率清分的實質(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,通過樣本訓練神經(jīng)元的抑制系數(shù)和激勵系數(shù),結(jié)合轉(zhuǎn)換函數(shù)將結(jié)果傳導給輸出層輸出。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現(xiàn)客流在不同線路的清分。

文章主要對江西高速公路信息中心建設(shè)中的道路氣象監(jiān)測平臺和交通應(yīng)急監(jiān)控平臺做了一些具體的研究。主要研究內(nèi)容首先是道路氣象監(jiān)測平臺監(jiān)測各路段及關(guān)鍵點的各種異常交通環(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)模型分析路況實時氣象數(shù)據(jù)（氣溫、濕度、風向、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，模擬道路天氣對道路車輛的影響。

基于甘肅高等級公路收費年收入的統(tǒng)計數(shù)據(jù),結(jié)合其收入和交通量之間的粗略關(guān)系,運用bp神經(jīng)網(wǎng)絡(luò)預測高等級公路各收費站年收入,從而間接地對高等級公路交通流量進行預測,為提高高速公路的管理與服務(wù)水平,對提高高等級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)運行效率、建設(shè)和諧高等級公路具有極其重要的意義。

引言高速公路交通量預測是高速公路建設(shè)項目可行性研究報告的一項重要內(nèi)容,它是進行交通量現(xiàn)狀評價、綜合分析建設(shè)項目的必要性和可行性的基礎(chǔ),是確定高速公路建設(shè)項目的技術(shù)等級、工程規(guī)模、效益分析的主要依據(jù)。同時,其準確率直接關(guān)系高速公路投資回報率,甚至影響項目國民經(jīng)濟評價及財務(wù)評價。根據(jù)調(diào)查資料和工程項目的性質(zhì)選用不同的預測方法,國內(nèi)、外已提出的各種預測方法多達200種左右,但用于實際操作的較少,如頭腦風暴法、專家預測法、

組合預測方法與單一預測方法相比可以提高預測的精度和穩(wěn)定性,因此得到廣泛的應(yīng)用.本文首先概述了組合預測的基本思想,然后介紹了基于bp神經(jīng)網(wǎng)絡(luò)的組合預測模型,并以吉林省公路貨運量為例給出計算實例,實例的預測結(jié)果非常理想,同時也用數(shù)理統(tǒng)計的方法證明了此模型的適用性.統(tǒng)計分析和實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輸量預測是有效可行的.

海軍艦船特裝修理費用影響因素多,各因素作用機理不明晰,建模預測難度大。bp神經(jīng)網(wǎng)絡(luò)對于解決這類“黑箱”問題優(yōu)勢明顯,可通過自我學習訓練建立模型。以某型艦船特裝修理費用為例,充分利用稀缺的歷史數(shù)據(jù),運用改進的bp神經(jīng)網(wǎng)絡(luò)建立費用預測模型,并進行了特裝修理費用預測,預測精度優(yōu)于傳統(tǒng)模型,可應(yīng)用于管理決策活動中。

bp神經(jīng)網(wǎng)絡(luò)-灰色系統(tǒng)聯(lián)合模型預測軟基沉降量——目前軟基沉降預測多采用指數(shù)曲線和雙曲線延伸法，其結(jié)果不夠理想，神經(jīng)網(wǎng)絡(luò)在此方面的運用也存在一定的局限，雖然gm(1，1)模型在軟基沉降預測領(lǐng)域已得到運用，但在已有的案例中所使用的等時距模型都沒有明確說明...

本文結(jié)合住宅房地產(chǎn)的價格理論和相關(guān)網(wǎng)站上的數(shù)據(jù),科學地選取影響商品住宅價格的影響指標為人均gdp、人均可支配收入、人口數(shù)量、房地產(chǎn)開發(fā)投資額和商品住宅建筑面積,并以此建立hedonic商品住宅價格影響因素模型。依照bp神經(jīng)網(wǎng)絡(luò)預測的實現(xiàn)步驟,探索bp神經(jīng)網(wǎng)絡(luò)在預測海口市商品住宅價格的應(yīng)用,得到2018年6月-2019年5月商品住宅價格預測值,對?？谑猩唐纷≌瑑r格的研究具有一定的指導作用。

利用matlab建立bp神經(jīng)網(wǎng)絡(luò),將影響建筑能耗的18個因素作為網(wǎng)絡(luò)的輸入,進行學習訓練,最后通過測試樣本點數(shù)據(jù)預測建筑能耗,與dest-h模擬計算得到的結(jié)果比較,發(fā)現(xiàn)相對誤差在3.5%以內(nèi),并通過實例驗證了該網(wǎng)絡(luò)模型的準確性。該方法使建筑人員在設(shè)計階段就能快速且準確地獲得設(shè)計建筑的能耗。

進度控制作為項目管理的主要內(nèi)容，如何對施工進度進行有效的預測將有重要的現(xiàn)實意義，應(yīng)用bp神經(jīng)網(wǎng)絡(luò)技術(shù)對工程進度進行預測，得到的預測值比線性方法更準確，精度更高。