文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 交通运输 > BP神经网络和GM(1,1)灰色模型在公路客运量预测中的应用
侵权投诉

BP神经网络和GM(1,1)灰色模型在公路客运量预测中的应用

2006年第2期杭力,等:BP神经网络和GM(1,1)灰色模型在公路客运量预测中的应用

11l

譬+一’=6

(3)

性系统的建模与辨识,可不受非线性类模型的限制,便于给出实现算法,给复杂系统的建模带来一种新将式(3)离散化,微分变差分,得到GM(1,1)灰

的、非传统的表达工具。BP网络也存在不足,主要微分方程如下:

表现在训练速度慢,有时甚至完全不能训练,容易陷X‘o’(七)+oZ(1’(尼):6

(4)

入局部极小值等。BP神经网络结构如图1所示。

1.3

求解参数口,易

BP神经网络由输入层、隐含层和输出层及各层用最小二乘法,可以解得式(4)中的参数口,6。

神经元之间连接组成。一个3层BP网络由输入层、式中:Ⅱ为发展系数,其大小反映了序列x∞’的增长隐含层和输出层组成,各层神经元数分别为n,,n:速度;6为灰作用量。

和n,,构成所谓n,一n:一凡,结构。输人层与隐含层、一{(x㈤(1)+髫㈨(2))

隐含层与输出层之间的连接权值分别为埘。茸和埘:时,连接权的大小体现神经元之间的连接强度。

B=

一丢(戈㈩(2)+戈㈩(3))

2.2

BP神经网络的训练

一丢(z㈩(n一1)+石㈤(凡))

对于一组输入样本,通过BP神经网络计算实际输出,用BP网络的实际输出与输出样本之间的误差I戈‘o’(2)I

来修正网络的连接权值,直至二者的误差达到设定%=I菇‘o’(3)I

值。这一较小值称拟合误差,一般用实际输出与输出

1戈∞’(n)1

1

样本之间的误差平方和表示,即E=去∑(“一缸)2,

盘=[口,6]7=(曰冶)-1B‰

(5)

‘^

1.4

建立预测公式

式中:£为样本输出值,石为实际输出值。该式又称为xu’时间响应序列为:误差函数,用BP算法训练BP网络的步骤如下:

岔‘1’(矗+1)

:

卯一吐+6,Ⅱ

:

[X‘o’(1)一

(1)连接权值初始化

6,口]e一吐+6/口(后=1,2,…,n)(6)

网络训练开始时连接权值为未知数,一般用较规定龛‘o’(1):x‘o’(1),还原值x‘o’的预测公

小的随机数作为各层连接权值的初值。

式为:

(2)计算各层神经元的输出值

nl

膏‘o’(矗+1):x‘1’(I|}+1)一X(1’(孟):乃=^(,乏加1d瓴+6i)

(,=1,2,…,n2)(8)

(X‘0’(1)一6/口)(1一e。)e一吐(|j}=1,2,…,n)

(7)

’

缸=五(乏加2扔+6,)(五=1,2,…,凡3)(9)

2

BP神经网络预测模型

式中:^、五为激活函数,为si舭id函数或线性函数。

2.1

BP神经网络的结构

在本文中,^为sigrnoid函数,厶为线性函数。

神经网络(毗ificial

neural

networl【,肿小)是由大

(3)连接权值的修正

量神经元以某种拓扑结构相互联接而构成的复杂的梯度下降法:连接权值的修正采用梯度下降法,每非线性动力学系统。由于神经网络具有通过学习逼一次连接权值的修正量与误差函数的梯度成正比,从近任意非线性映射的能力,将神经网络应用于非线

输入层反向传递到各层。各层的连接权值修正量为:

/—、、——————————————————~———■————————————、

输入层

隐层

输出层

霾.乜"||.Fp’(。

≈功,.n。-.

n∥∥7

7

L

>

.7

\/、——~.

.——/

、———~.———,。/

a

I:tansi酎形’JP’+占1)

口1l=pureljn(毗”’+∥)

图1BP神经网络结构

上一页第2页

你可能喜欢

  • 能源需求预测
  • ARIMA模型
  • BP神经网络算法
  • MATLAB神经网络

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email