112
公路交通技术
2006年
△掣2暂=一挈祟=7(如一缸)五7乃(后=1,2,△掣2暂2一挈每面2
7(如一缸)歹2。乃(七2
1,z,
(2)应用灰色模型进行预测,得到预测序列;
(3)将预测值作为输人量,原始数据作为期望
…,n3;歹=0,l,…;凡2)
(10)
值,对BP神经网络进行训练,得到相应的权值和阀值;
(4)输人需要预测的年份,即可得到具有相当
觚一=一军甍叫扣。一蝴7呦慨
(J=1,2,…,n2;i=0,l,…n1)
(11)
精度的短期预测量。
4实例分析
式中:叩为学习速率;^7、五7为激活函数^,^的导
数。
将初始权值与对应的调整量相加,计算出新的权值,如此循环直至输出层误差平方和达到设定值
为止。
用MAⅡAB编写灰色模型和BP神经网络模型
的程序,现有我国2000—2004年公路客运量资料,
首先根据200卜2003年数据,利用此组合模型进行
拟合,然后再根据拟合的结果预测2004年公路客运量,与已有数据进行比较,并验证组合模型的短期预
测精度。
动量梯度下降法:附加动量的实质是将最后一次权值变化的影响,通过一个动量因子来传递。在反向传播时对每一个权值的变化量加上一项正比于前次权值变化量的值。采用动量梯度后,网络的训练可自动避免陷入局部极小值。
权值修正量改进算法:
埘^(克+1)=埘F(||})+叩[(1一,聊)D(屉)+
,聊D(是一1)]
(12)
表1是2000—2004年公路客运量数据、单独利用GM(1,1)模型进行仿真得到的数据和利用组合模型得到的仿真数据。图2是分别用2种方法进行数据拟合的比较图。
通过计算,得出GM(1,1)仿真数据与实际数值的绝对误差△£,是14.19,相对误差△芒,是0.098,均
方差MSE1为21.7。组合模型得到的仿真数据与实际
式中:D(矗)为||}时刻的负梯度;D(七一1)为|j}一1时刻的负梯度;叩为学习率;,掀[0,1]为动量因子,当
撇=O时,权值修正只与当前负梯度有关系,当榭
=1时,权值修正就完全取决于上一次循环的负梯
度了。3应用步骤
数值的绝对误差△£:是8.13,相对误差△£:是0.057,均方差MSE为5.1。显而易见,△£2<△el,
雠2<出,,MS马<MsE;,此组合模型在公路客运量
方面仿真数据的精确性较单独的GM(1,1)模型要
高得多。
表l公路客运量原始和仿真数据
(1)输入原始数据资料;
图22种方法的仿真值与实际值的比较
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 在灰色预测的基础上,引入BP神经网络模型,建立了GM(1,1)和BP神经网络组合模型。此组合模型兼有灰色预测...
基于BP神经网络和GM(1,1)灰色模型的中国人口预测分析_军事/政治_人文社科_...我们通过输入原始数据资料, 应用灰色模型进行预测, 得到预测数列, 然后将预测 值...
高维和非线性等特性,基于BP神经网络算法原理,构建了BP神经网络需水预测模型,将模型应用于上海市需水预测中,并与灰色GM(1,1)需水预测模型的拟合、预测结果进行了...
改进的BP神经网络在铁路客运量时间序列预测中的应用...原理的基础 上 , 建立铁路客运量时间序列预测模型 ... 科目三实际道路驾驶考试注意事项 驾考新题抢先版...
屈怀林1 莉 模型在原油产量预测中的应用 ( 1. 西南石油大学 研究生院 ,四川...为此 ,在灰色预测理论的基础上引入 BP 神经网络模型 ,建立了 GM (1. 1) ...
· 2010 年 4 月上半月刊(总第 218 期) HIGHWAY TRANSPORTATION & LOGISTICS 道路运输与物流 基于MATLAB的 BP神经网络组合预测模型在 公路货运量预测中的应用杨...
GM(1.1)与BP神经网络组合模型在原油产量预测中的应用_专业资料。为了维持油田...为此,在灰色预测理论的基础上引入BP神经网络模型,建立了GM(1.1)和BP神经网络...
BP神经网络在铁路客运市场时间序列预测中的应用_...% + * % 灰色 () (,) 模型 $ $ 预测值 (...朱小平 基于灰色预测模型的公路运输量预测[期刊论文]...
以实证分析为背景 ,论述了改进 B P 神经网络在公路旅游客流量预测中的应用 ,...( 2) 基于灰色系统理论的方法 , 如 GM ( 1 , 1 ) , D GM ( 1 ,1...
基于IPSO_BP神经网络的铁路客运量预测_交通运输_工程科技_专业资料。将基于改进粒子群算法的BP网络模型应用于铁路客流量预测,仿真结果表明次方法有效可行。...
热门文档