改进BP神经网络公路旅游客流量预测

本文以动态交通控制理论为基础,应用神经网络理论和matlab仿真软件,建立交通流量预测模型。给出了基于改进bp算法的交通流动态时序的预测算法仿真实验,并利用试验得到的结果对该算法的适用性和局限性进行了验证。

本文首先根据北京城市轨道交通网络的特点，以静态非平衡分配模型中的最短路径分配为理论基础，实现历史客流在断面上的分配，得到具有参考价值的断面客流。然后通过大量bp神经网络建模试验，对北京城市轨道交通客流预测问题，建立了合理的预测模型。最后利用bp神经网络模型对13号线西直门站至2号线西直门站的换乘断面客流进行预测，并与最小二乘拟合结果进行对比分析，得出合理的客流预测结果。

准确的交通流预测是智能交通系统的关键技术,为此,本文以衡大高速为研究对象,提出基于ga-bp神经网络的衡大高速日交通流量预测方法。本文通过阈值方法对微波车检器数据进行预处理,根据ga-bp神经网络算法建立了交通流量预测模型,并通过计算机仿真验证对比预测结果和实际流量数据,其预测结果精度高,可满足日常交通管理需求,为交通管理提供了有效的技术支撑、本课题受到河北省交通运输厅科研课题(y-2014022)的支持。

在对某基坑工程采用bp神经网络模型预测基坑开挖引起地表变形的分析中,考虑到现有模型可能会遇到预测结果跳不出训练样本以及训练时间较长的问题,提出采用matlab中的mapminmax函数进行归一化处理,并基于牛顿法、共轭梯度法和l-m法三种数值优化方法对bp网络训练算法进行了改进.研究结果表明:与常用的基于梯度下降原则相比,改进后的bp神经网络在训练时间和预测误差方面均有明显的优势,采用l-m法的神经网络在训练样本时的迭代次数最少为74次,采用共轭梯度法的预测结果与实测结果的误差最大为2.4％,而采用牛顿法神经网络的预测值则比较均衡,预测结果相对最佳.

bp神经网络是分析处理复杂非线性问题的一种有效方法,是目前广泛应用的一种神经网络,已被逐渐应用于对宏观经济问题的研究中。本文有机地整合了计量经济学与bp神经网络,建立了基于因果关系理论来确定bp网络的输入变量,基于协整理论来分析bp网络系统的可靠性,基于学习率可变的动量bp算法的用于研究经济领域问题的改进bp神经网络预测模型,加强了网络模型的理论基础,提高了网络模型的质量,并将其应用于西北建筑业的预测和控制中,取得了令人满意的效果。

提出一种采用bp神经网络算法来预测深基坑沉降的方法,结合具体工程实例,构建了预测深基坑周边地表沉降具体bp神经网络模型,预测结果表明,该模型有较高的预测精度,可作为预测沉降的一种新方法。

以高速公路交通流预测为研究对象,简化了高速公路宏观动态交通流模型,利用matlab神经网络工具建立模型并进行网络训练与预测。对嘉兴站附近高速公路交通流数据进行了采集、建模和预测。从预测结果中得知,基于bp神经网络交通流预测模型具有很高的可靠度,该简化的交通流模型更为简练,预测结果亦可以点带面地面描述该站点一定空间及时间范围内的交通流情况。

针对传统bp神经网络存在的缺点,提出基于遗传优化的变梯度反向传播的bp神经网络预测方法,采用遗传算法优化bp神经网络的初始权重,建立路基沉降预测模型。该模型可克服bp神经网络模型存在的收敛速度慢、易陷入局部极小点等缺点。结合现场实测数据,将该优化模型与指数曲线模型、双曲线模型、灰色预测模型和传统bp神经网络预测模型对比,结果表明改进的bp神经网络在路基沉降预测中精度最高,适宜于广泛推广应用。

针对传统的bp神经网络存在的缺点,提出了用附加动量法、自适应学习速率和l-m优化算法等几种算法进行优化。通过对比分析,证明了采用l-m优化和附加动量因子算法相结合取得了最优的预测效果。该方法克服了bp神经网络模型存在的收敛速度慢、易陷入局部极小点的缺点。结合现场实测数据,将该优化模型与传统的bp神经网络预测模型对比,预测结果表明改进的bp神经网络在路基沉降预测中精度最高,适宜广泛采用。

对公路网规模与经济发展的关系进行了分析,利用格兰杰因果检验法筛选指标,建立了基于bp神经网络的公路网规模预测模型,并对安徽省公路网合理规模进行了预测,以促进公路网建设与发展。

为了预测高速公路路基最终沉降量,首先依据影响软土路基沉降的因素选取参数建立了bp神经网络预测最终沉降量模型.结合成都-南充高速公路沉降实测资料及其它文献中大量路基沉降资料,利用bp神经网络预测了其各自最终沉降量.通过检验样本验证,预测精度较高,能够满足实际需要.并对bp神经网络在公路建设中的应用提出了一些注意事项.

轨道交通费率清分的实质是在不同线路下网络客流分布的问题。在充分考虑乘客出行路径选择多要素的基础上,提出一种基于神经网络的轨道交通客流清分模型。将影响乘客出行路径选择的多要素分为确定性要素和不确定性要素,通过样本训练神经元的抑制系数和激励系数,结合转换函数将结果传导给输出层输出。与传统模型相比,该模型更符合乘客出行选择的多要素心理。最后通过对比客流调查结果和logit模型表明,在排除其他要素的干扰下,该方法能够较好的实现客流在不同线路的清分。

轨道交通费率清分的实质是在不同线路下网络客流分布的问题。在充分考虑乘客出行路径选择多要素的基础上,提出一种基于神经网络的轨道交通客流清分模型。将影响乘客出行路径选择的多要素分为确定性要素和不确定性要素,通过样本训练神经元的抑制系数和激励系数,结合转换函数将结果传导给输出层输出。与传统模型相比,该模型更符合乘客出行选择的多要素心理。最后通过对比客流调查结果和logit模型表明,在排除其他要素的干扰下,该方法能够较好的实现客流在不同线路的清分。

文章主要对江西高速公路信息中心建设中的道路气象监测平台和交通应急监控平台做了一些具体的研究。主要研究内容首先是道路气象监测平台监测各路段及关键点的各种异常交通环境因素变化和气象状况。将数据信息及时传送到高速公路信息中心基于地理信息系统gis模型，再通过bp神经网络模型分析路况实时气象数据（气温、湿度、风向、路面温度、能见度等）与道路车辆行驶状况（如交通量、速度、道路占有率等）之间的关系，模拟道路天气对道路车辆的影响。

基于甘肃高等级公路收费年收入的统计数据,结合其收入和交通量之间的粗略关系,运用bp神经网络预测高等级公路各收费站年收入,从而间接地对高等级公路交通流量进行预测,为提高高速公路的管理与服务水平,对提高高等级公路管理部门的信息感知能力和应急处置能力、提高路网运行效率、建设和谐高等级公路具有极其重要的意义。

引言高速公路交通量预测是高速公路建设项目可行性研究报告的一项重要内容,它是进行交通量现状评价、综合分析建设项目的必要性和可行性的基础,是确定高速公路建设项目的技术等级、工程规模、效益分析的主要依据。同时,其准确率直接关系高速公路投资回报率,甚至影响项目国民经济评价及财务评价。根据调查资料和工程项目的性质选用不同的预测方法,国内、外已提出的各种预测方法多达200种左右,但用于实际操作的较少,如头脑风暴法、专家预测法、

组合预测方法与单一预测方法相比可以提高预测的精度和稳定性,因此得到广泛的应用.本文首先概述了组合预测的基本思想,然后介绍了基于bp神经网络的组合预测模型,并以吉林省公路货运量为例给出计算实例,实例的预测结果非常理想,同时也用数理统计的方法证明了此模型的适用性.统计分析和实践都证明此模型的可行性和适用性,说明将此模型用于公路交通运输量预测是有效可行的.

要对非线性趋势房地产价格指数进行预测,就必须利用模拟非线性的模型,采用bp人工神经网络的改进算法,建立了基于bp神经网络的房地产价格指数预测模型。结果表明:该模型预测精度较高,能较好地反映房地产价格指数内在变化规律。

海军舰船特装修理费用影响因素多,各因素作用机理不明晰,建模预测难度大。bp神经网络对于解决这类“黑箱”问题优势明显,可通过自我学习训练建立模型。以某型舰船特装修理费用为例,充分利用稀缺的历史数据,运用改进的bp神经网络建立费用预测模型,并进行了特装修理费用预测,预测精度优于传统模型,可应用于管理决策活动中。

依据客运专线客流的成因,将其分为趋势客流、诱增客流和转移客流。运用灰色预测模型对趋势客流进行预测;采用以gdp和常住人口数量作为影响因素的改进型重力模型对诱增客流进行探讨;利用mnl(multi-nominallogit)模型来预测转移客流。以某规划中的客运专线为例,对文中的预测模型进行阐述,以验证本模型对于客运专线客流预测的正确性。

建筑节能是当今城市建设和社会发展的前沿和研究热点,对建筑的能耗现状进行综合分析与评估是进行节能改造或节能设计的前提和基础,而建立反映能耗变化的预测模型是从宏观尺度上分析认识建筑能耗变化与发展特性、为公共建筑节能工作提供决策依据的有效途径和重要手段。研究针对常规bp网络算法收敛速度慢、易陷入局部最小点的缺点,采用了具有较快收敛速度及稳定性的lm算法进行预测,构造了基于bp神经网络的建筑物用电量预测模型。以某市公共建筑原始用电能耗统计数据作为样本,并采用matlab对预测模型进行了仿真预测。结果显示:误差在允许范围内。

bp神经网络在基坑变形预测分析中的应用——本文提出了基坑变形预测与分析的bp神经网络方法，建立了基坑变形预测分析的模型，应用matlab语言编制计算程序进行计算并与实际工程监测值进行比较，从而验证了神经网络在基坑变形预测分析中的可行性、有效性。