基于灰色理論與BP神經(jīng)網(wǎng)絡(luò)交通運(yùn)輸量組合預(yù)測(cè)

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(shuō)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.

本文分析了影響房?jī)r(jià)的多種因素;運(yùn)用灰色gm(1,1)模型預(yù)測(cè)這些因素的數(shù)據(jù)走勢(shì),利用bp神經(jīng)網(wǎng)絡(luò)以歷史數(shù)據(jù)為依據(jù)運(yùn)用matlab進(jìn)行仿真,得出我國(guó)未來(lái)五年房?jī)r(jià)預(yù)測(cè)值。結(jié)果表明,采用神經(jīng)網(wǎng)絡(luò)結(jié)合灰色gm(1,1)預(yù)測(cè)而得的各影響因素預(yù)測(cè)值,預(yù)測(cè)未來(lái)房?jī)r(jià),具有很強(qiáng)的實(shí)用性。

利用智能方法對(duì)邊坡形變進(jìn)行預(yù)測(cè),進(jìn)而對(duì)礦區(qū)安全進(jìn)行評(píng)估近年來(lái)成為研究的熱點(diǎn)。針對(duì)邊坡形變數(shù)據(jù)小樣本、貧信息、高非線性等特點(diǎn),本文將灰色理論與神經(jīng)網(wǎng)絡(luò)方法相結(jié)合構(gòu)建灰色神經(jīng)網(wǎng)絡(luò),充分利用灰色模型處理小樣本和神經(jīng)網(wǎng)絡(luò)處理非線性的能力,對(duì)礦區(qū)邊坡形變進(jìn)行預(yù)測(cè)。實(shí)驗(yàn)分析表明,利用灰色神經(jīng)網(wǎng)絡(luò)進(jìn)行形變預(yù)測(cè)是正確有效的,預(yù)測(cè)精度取得了較好的效果。

以福建省公路旅客周轉(zhuǎn)量和貨物周轉(zhuǎn)量的統(tǒng)計(jì)資料為基礎(chǔ),結(jié)合神經(jīng)網(wǎng)絡(luò)技術(shù)原理,應(yīng)用bp神經(jīng)網(wǎng)絡(luò)方法建立3維輸入、單輸出、隱層單元數(shù)為15的3層神經(jīng)網(wǎng)絡(luò)模型,分別對(duì)福建省公路旅客周轉(zhuǎn)量和貨物周轉(zhuǎn)量進(jìn)行預(yù)測(cè).結(jié)果表明,各月的旅客周轉(zhuǎn)量和貨物量預(yù)測(cè)值的最大相對(duì)誤差的絕對(duì)值分別為0.4890%和0.4495%.該模型具有簡(jiǎn)便實(shí)用、預(yù)測(cè)精度高的優(yōu)點(diǎn).

文章根據(jù)組合預(yù)測(cè)的理論和bp神經(jīng)網(wǎng)絡(luò)對(duì)非線性數(shù)據(jù)良好的逼近特性,提出了基于bp神經(jīng)網(wǎng)絡(luò)的灰色預(yù)測(cè)、多項(xiàng)式回歸模型的民用汽車(chē)運(yùn)力組合預(yù)測(cè)模型。此模型綜合了各單一模型的有效信息,能夠比較客觀地反映地區(qū)民用汽車(chē)運(yùn)力的發(fā)展趨勢(shì),為相關(guān)部門(mén)提供決策依據(jù)。

在深基坑工程施工過(guò)程中，基坑周?chē)乇淼某两祵?duì)周?chē)ㄖ?、地下管線和支護(hù)體系的安全都會(huì)造成很大的影響，如何利用對(duì)影響基坑周?chē)乇沓两档年P(guān)聯(lián)因素的研究并結(jié)合基坑周?chē)乇沓两档谋O(jiān)測(cè)數(shù)據(jù)來(lái)分析得到基坑周?chē)乇沓两盗康淖邉?shì)，已成為城市建設(shè)中的一個(gè)重要的安全課題．以天津市某換乘車(chē)站為例，分析影響該基坑周?chē)乇沓两档年P(guān)聯(lián)因素，建立灰色預(yù)測(cè)和bp神經(jīng)網(wǎng)絡(luò)組合模型，在“小樣本、貧信息”的情況下，得到的預(yù)測(cè)結(jié)果與實(shí)際監(jiān)測(cè)值吻合度較高．利用該預(yù)測(cè)模型可對(duì)一些在開(kāi)挖過(guò)程中監(jiān)測(cè)天數(shù)相對(duì)較少的深基坑工程進(jìn)行可靠而準(zhǔn)確的預(yù)測(cè)．

gm模型在預(yù)測(cè)中對(duì)歷史數(shù)據(jù)作不同取舍時(shí),其預(yù)測(cè)值并不相同,即這種預(yù)測(cè)結(jié)果將是一個(gè)預(yù)測(cè)值的區(qū)間,這就給預(yù)測(cè)人員的取舍帶來(lái)一定困難。利用gm模型少數(shù)據(jù)建模和人工神經(jīng)網(wǎng)絡(luò)非線性逼近的優(yōu)點(diǎn)把兩種模型結(jié)合起來(lái),用對(duì)歷史數(shù)據(jù)作不同取舍的gm模型的預(yù)測(cè)值和純神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)值作為組合神經(jīng)網(wǎng)絡(luò)的輸入,由人工神經(jīng)網(wǎng)絡(luò)確定這些不同gm模型和純bp網(wǎng)絡(luò)的組合,實(shí)例驗(yàn)證得出更為準(zhǔn)確的預(yù)測(cè)值,從而證明這一模型的可行性和有效性。

短時(shí)交通流預(yù)測(cè)是現(xiàn)代智能交通系統(tǒng)的核心內(nèi)容,針對(duì)城市道路被占所造成的城市交通擁堵排隊(duì)問(wèn)題,以路段視頻統(tǒng)計(jì)為例,利用bp神經(jīng)網(wǎng)絡(luò)方法就實(shí)際通行能力、具體車(chē)輛數(shù)、事故持續(xù)時(shí)間與排隊(duì)最長(zhǎng)長(zhǎng)度之間的關(guān)系進(jìn)行預(yù)測(cè)分析,從實(shí)驗(yàn)?zāi)M結(jié)果來(lái)看,該方法能有效地解決交通流實(shí)時(shí)和可靠性預(yù)測(cè)。

交通事故的發(fā)生因受隨機(jī)因素的影響而呈現(xiàn)出不確定性和非線性的特點(diǎn).在分析交通事故與人口、車(chē)輛、道路、經(jīng)濟(jì)發(fā)展等因素關(guān)系的基礎(chǔ)上,綜合考慮影響交通事故的多種因素,建立了bp神經(jīng)網(wǎng)絡(luò).進(jìn)而,選取總?cè)丝?、機(jī)動(dòng)車(chē)駕駛員人數(shù)、公路密度、民用車(chē)輛、人均gdp作為交通事故預(yù)測(cè)模型的輸入向量,以交通事故的四項(xiàng)指標(biāo)作為輸出向量,利用lm算法或galm算法優(yōu)化的bp神經(jīng)網(wǎng)絡(luò)模型對(duì)交通事故進(jìn)行預(yù)測(cè).實(shí)驗(yàn)表明,galm算法優(yōu)化的bp神經(jīng)網(wǎng)絡(luò)模型與bp神經(jīng)網(wǎng)絡(luò)或lm算法優(yōu)化的bp神經(jīng)網(wǎng)絡(luò)相比,具有較高的精度和較快的收斂速度,能更好地適用于交通事故預(yù)測(cè).

bp神經(jīng)網(wǎng)絡(luò)-灰色系統(tǒng)聯(lián)合模型預(yù)測(cè)軟基沉降量——目前軟基沉降預(yù)測(cè)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(yùn)用也存在一定的局限，雖然gm(1，1)模型在軟基沉降預(yù)測(cè)領(lǐng)域已得到運(yùn)用，但在已有的案例中所使用的等時(shí)距模型都沒(méi)有明確說(shuō)明...

結(jié)合灰色模型和bp神經(jīng)網(wǎng)絡(luò)模型的特點(diǎn),對(duì)兩種模型進(jìn)行有機(jī)地組合,構(gòu)建一種改進(jìn)的灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)船舶流量方法。以實(shí)際船舶交通流量和主要影響因素為數(shù)據(jù),運(yùn)用遺傳算法改進(jìn)的灰色神經(jīng)網(wǎng)絡(luò)模型對(duì)上海洋山港的船舶交通流量進(jìn)行預(yù)測(cè),計(jì)算和matlab仿真結(jié)果表明,改進(jìn)的灰色神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)不僅精度較高,而且能準(zhǔn)確預(yù)測(cè)船舶交通流量的變化規(guī)律。

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。

以黃土高原區(qū)土壤為研究對(duì)象,通過(guò)土壤基本理化參數(shù)與土壤水分特征曲線的系列試驗(yàn),獲得了van-genuchten模型參數(shù)的數(shù)據(jù)樣本。運(yùn)用灰色理論對(duì)土壤基本理化參數(shù)進(jìn)行了灰色關(guān)聯(lián)度分析,建立了以土壤基本理化參數(shù)為輸入變量,土壤水分特征曲線van-genuchten模型參數(shù)為輸出變量的bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。研究結(jié)果表明:以土壤黏粒含量、粉粒含量、容重、有機(jī)質(zhì)含量、全鹽量為輸入變量,運(yùn)用bp神經(jīng)網(wǎng)絡(luò)方法對(duì)土壤水分特征曲線van-genuchten模型參數(shù)進(jìn)行預(yù)測(cè)是可行的。所建立的灰色bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型下,van-genuchten模型參數(shù)α與參數(shù)n的預(yù)測(cè)值與檢驗(yàn)值平均相對(duì)誤差都小于5%,建模樣本和檢驗(yàn)樣本都具有較高的精確度。研究成果一方面有助于豐富黃土水力參數(shù)的理論研究,另一方面為土壤水分特征曲線的獲取提供技術(shù)支撐。

針對(duì)建筑能耗受局地氣候多因素影響的特點(diǎn),為了客觀準(zhǔn)確地對(duì)建筑能耗進(jìn)行預(yù)測(cè),本文引入了氣象熱舒適度來(lái)綜合分析氣候?qū)ㄖ芎牡挠绊?并以該指數(shù)預(yù)測(cè)值、建筑能耗原始數(shù)據(jù)和日期類(lèi)型作為輸入層,進(jìn)行復(fù)合灰色神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)建筑能耗。該方法不僅克服了灰色模型和神經(jīng)網(wǎng)絡(luò)存在的預(yù)測(cè)缺陷,同時(shí)還考慮了氣象因素對(duì)建筑能耗的影響。通過(guò)對(duì)北京某大廈的實(shí)例應(yīng)用分析,取得了較高精度的預(yù)測(cè)結(jié)果,證實(shí)了該方法的合理可靠,為建筑能耗預(yù)測(cè)提供了新途徑,其預(yù)測(cè)結(jié)果也將為大型建筑空調(diào)系統(tǒng)的再優(yōu)化設(shè)計(jì)和改造提供參考。

準(zhǔn)確的客流量預(yù)測(cè)在國(guó)家交通規(guī)劃與管理中具有重要意義,預(yù)測(cè)方法的選擇直接影響到預(yù)測(cè)的精度?？瓦\(yùn)量的預(yù)測(cè)具有小樣本和非線性的特點(diǎn)。結(jié)合灰色理論和rbf神經(jīng)網(wǎng)絡(luò)的特點(diǎn)形成灰色-rbf神經(jīng)網(wǎng)絡(luò)模型,并采用客流運(yùn)量分擔(dān)率的方式對(duì)擬建鐵路客流量進(jìn)行預(yù)測(cè)。通過(guò)灰色理論對(duì)原始數(shù)據(jù)進(jìn)行生成處理,將無(wú)規(guī)律的原始數(shù)據(jù)變?yōu)檩^有規(guī)律的生成數(shù)列,再利用rbf神經(jīng)網(wǎng)絡(luò)的超強(qiáng)適應(yīng)能力和學(xué)習(xí)能力,大大加快學(xué)習(xí)速度并避免出現(xiàn)局部極小問(wèn)題對(duì)生成數(shù)列進(jìn)行預(yù)測(cè),再將模型運(yùn)用到客運(yùn)量的預(yù)測(cè)中。最后結(jié)合新建蘭州至中川機(jī)場(chǎng)鐵路項(xiàng)目及調(diào)查數(shù)據(jù)進(jìn)行客流量的預(yù)測(cè)研究,得出灰色-rbf神經(jīng)網(wǎng)絡(luò)模型對(duì)客流量具有很好的預(yù)測(cè)性。

準(zhǔn)確的客流量預(yù)測(cè)在國(guó)家交通規(guī)劃與管理中具有重要意義,預(yù)測(cè)方法的選擇直接影響到預(yù)測(cè)的精度?？瓦\(yùn)量的預(yù)測(cè)具有小樣本和非線性的特點(diǎn)。結(jié)合灰色理論和rbf神經(jīng)網(wǎng)絡(luò)的特點(diǎn)形成灰色-rbf神經(jīng)網(wǎng)絡(luò)模型,并采用客流運(yùn)量分擔(dān)率的方式對(duì)擬建鐵路客流量進(jìn)行預(yù)測(cè)。通過(guò)灰色理論對(duì)原始數(shù)據(jù)進(jìn)行生成處理,將無(wú)規(guī)律的原始數(shù)據(jù)變?yōu)檩^有規(guī)律的生成數(shù)列,再利用rbf神經(jīng)網(wǎng)絡(luò)的超強(qiáng)適應(yīng)能力和學(xué)習(xí)能力,大大加快學(xué)習(xí)速度并避免出現(xiàn)局部極小問(wèn)題對(duì)生成數(shù)列進(jìn)行預(yù)測(cè),再將模型運(yùn)用到客運(yùn)量的預(yù)測(cè)中。最后結(jié)合新建蘭州至中川機(jī)場(chǎng)鐵路項(xiàng)目及調(diào)查數(shù)據(jù)進(jìn)行客流量的預(yù)測(cè)研究,得出灰色-rbf神經(jīng)網(wǎng)絡(luò)模型對(duì)客流量具有很好的預(yù)測(cè)性。

為降低船舶交通流量的預(yù)測(cè)誤差,提高預(yù)測(cè)精度,在分析傳統(tǒng)的灰色模型和反向傳播(backpropagation,bp)神經(jīng)網(wǎng)絡(luò)模型優(yōu)缺點(diǎn)的基礎(chǔ)上,構(gòu)建灰色神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)船舶交通流量.以實(shí)際測(cè)量值作為初始數(shù)據(jù)構(gòu)建不同的灰色模型,各種灰色模型的預(yù)測(cè)值作為神經(jīng)網(wǎng)絡(luò)的輸入值,得到最佳預(yù)測(cè)模型.實(shí)例分析表明:灰色神經(jīng)網(wǎng)絡(luò)模型可提高預(yù)測(cè)精度,預(yù)測(cè)結(jié)果比較理想,優(yōu)于單一預(yù)測(cè)模型;該模型具有所需初始數(shù)據(jù)少和非線性擬合能力強(qiáng)的特點(diǎn),用于船舶交通流量預(yù)測(cè)是可行和有效的.

提出了一種基于灰色模型和神經(jīng)網(wǎng)絡(luò)組合的短期負(fù)荷預(yù)測(cè)方法。首先利用頻域分解消除負(fù)荷序列的周期性,然后利用灰色模型計(jì)算負(fù)荷序列的歷史擬合值和未來(lái)預(yù)測(cè)值,將其作為神經(jīng)網(wǎng)絡(luò)的輸入。在歷史數(shù)據(jù)中選擇一天作為基準(zhǔn)日,以該基準(zhǔn)日的量為參照,以負(fù)荷的灰色模型擬合值相對(duì)基準(zhǔn)日的變化量,以及溫度變化量為bp神經(jīng)網(wǎng)絡(luò)的輸入,實(shí)際負(fù)荷變化量為輸出,訓(xùn)練神經(jīng)網(wǎng)絡(luò)并預(yù)測(cè)待預(yù)測(cè)日負(fù)荷的變化量,加上基準(zhǔn)日負(fù)荷后得到預(yù)測(cè)負(fù)荷。該方法綜合了灰色模型方法和神經(jīng)網(wǎng)絡(luò)方法的優(yōu)點(diǎn),仿真結(jié)果驗(yàn)證了方法的有效性。

針對(duì)電力日最高負(fù)荷受多種因素影響,變化趨勢(shì)復(fù)雜,難以通過(guò)建立準(zhǔn)確的數(shù)學(xué)模型進(jìn)行預(yù)測(cè)的問(wèn)題,提出灰色動(dòng)態(tài)模型對(duì)電力日最高負(fù)荷進(jìn)行預(yù)測(cè),在此基礎(chǔ)上構(gòu)造了灰色神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型。該模型避免了變權(quán)組合預(yù)測(cè)模型的主觀與繁瑣,能有效地將灰色預(yù)測(cè)弱化數(shù)據(jù)序列波動(dòng)性的優(yōu)點(diǎn)和神經(jīng)網(wǎng)絡(luò)較強(qiáng)的非線性適應(yīng)能力相融合。算例結(jié)果表明該方法的可行性和有效性,預(yù)測(cè)精度也得到了改善。

針對(duì)基坑變形預(yù)測(cè)中信息的灰色性和數(shù)據(jù)的非線性性,提出用灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)基坑變形的新方法。用一樁錨聯(lián)合支護(hù)體系實(shí)例進(jìn)行了預(yù)測(cè)研究,得到支護(hù)體系的不同預(yù)測(cè)模型的組合預(yù)測(cè)值。研究結(jié)果表明:灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)誤差比gm(1,1)預(yù)測(cè)模型小;與bp預(yù)測(cè)模型相比,前期誤差大,后期誤差小。在基坑變形監(jiān)測(cè)中,為了更準(zhǔn)確地預(yù)測(cè)基坑變形,可以采用灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)與bp預(yù)測(cè)相結(jié)合的方法進(jìn)行預(yù)測(cè)。

本文結(jié)合住宅房地產(chǎn)的價(jià)格理論和相關(guān)網(wǎng)站上的數(shù)據(jù),科學(xué)地選取影響商品住宅價(jià)格的影響指標(biāo)為人均gdp、人均可支配收入、人口數(shù)量、房地產(chǎn)開(kāi)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(jià)格影響因素模型。依照bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的實(shí)現(xiàn)步驟,探索bp神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)?？谑猩唐纷≌瑑r(jià)格的應(yīng)用,得到2018年6月-2019年5月商品住宅價(jià)格預(yù)測(cè)值,對(duì)?？谑猩唐纷≌瑑r(jià)格的研究具有一定的指導(dǎo)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(gè)因素作為網(wǎng)絡(luò)的輸入,進(jìn)行學(xué)習(xí)訓(xùn)練,最后通過(guò)測(cè)試樣本點(diǎn)數(shù)據(jù)預(yù)測(cè)建筑能耗,與dest-h模擬計(jì)算得到的結(jié)果比較,發(fā)現(xiàn)相對(duì)誤差在3.5%以內(nèi),并通過(guò)實(shí)例驗(yàn)證了該網(wǎng)絡(luò)模型的準(zhǔn)確性。該方法使建筑人員在設(shè)計(jì)階段就能快速且準(zhǔn)確地獲得設(shè)計(jì)建筑的能耗。