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
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ＹＡＮＧ Ｙｕ ｃ ｏ，Ｗ Ｕ Ｆｅ ， ＹＵＡＮ Ｚｈ ｎ— ｈｏ ｎ— ｈａ ｉ ｅ ｚ ｕ
（ Ｅ ｅ Ｌ ｂ ｒｔ ｙ ｆｒ Ｕ ｂ ｎ Ｔ ａ ｓ ｏｔ ｉｎ ｏ ｐ ｅ Ｓ ｓ ｍ ｈ ｏ ａ ｄ Ｔ ｃ ｎ ｌｇ ，Ｂ ｉｎ ｉ ｔｎ ｎｖ ｒ ｔ ， ＭＯ Ｋ ｙ ａ ｏａ ｒ ｏ ｒ ａ ｒｎｐ ｒ ｔ Ｃ ｍ ｌｘ ｙｔ ｓ Ｔ ｅ ｒ ｎ ｅ ｈ ｏｏ ｙ ｅ ｉｇ Ｊａ ｏ ｇ Ｕ ｉｅｓ ｙ ｏ ａｏ ｅ ｙ ｊ ｏ ｉ Ｂ ｉｎ １ ０ ４ ，Ｃ ｉａ ｅ ｉ ０ ４ ｈｎ ） ｊｇ ０
果综 合起 来 ，以改善模 型 的拟 合能力 并 提高 预测 精 度 。 但 是 ，传 统 的 组 合 预 测 方 法 具 有 一 定 的 局 限
性。
济 意义 。可 见 ，公路 货运 量 的预测 举 足轻 重 ，可 靠
ｅ ｐｒ ｄ ｃ ｉｎ ｒ ｅ ｉ ｔｏ ｐｒ ｃｓｏ ｅ ｉｉｎ．
Ｋｅ ｗｏ ｄ ｙ ｒ ｓ： ＢＰ ｎ ｕ ａ ｎｅｗｏ ｋ； ｆｅｇ ｖ ｌ ｍｅ； ＭＡＴＬＡＢ； ｃ ｍｂｉ ａｉ ｎ ｏ ｅ ａ ｔ ｅ ｒｌ ｔ ｒ ｒ ｉｈｔ ｏ ｕ ｏ ｎ ｔ ｆ ｒ ｃ ｓ ｏ
０ 引 言
关 键 词 ：ＢＰ 经 网络 ：货 运 量 ：ＭＡＴ ＡＢ；组 合 预 测 神 Ｌ 中图 分 类 号 ：Ｕ４ １】 ３ ９ ．１ 文 献标 识码 ：Ａ 文章 编 号 ： １ ０ — ７ ６ ２ ０） ４ ０ ０ — ３ ０ ２ ４ ８ （ ０１ ０ — ２ ７ ０
ＤｏＩ １ ３ ６ ／ １ ０ — ７ ６２ １ ．４０ ３ ： ０．８ ９ｉ ０ ２ ４ ８ ．０ ００ ．６ ．
或某 几个 方 面 ，反 映 了部分 因素 的影 响 。但公 路 货 运量 受到 多种 因素 的影 响 ，为 了最 大限 度地 反映 实 际情 况 ，可 采用组 合 预测 的方 法将各 种 单项 预测 结
运 输需 求预 测 是 公 路 网规 划 、区 域发 展 规 划 、
基 础建设 投 资决 策及 运输 生产 组织 管理 的基础 ，对 交 通运输 需 求 的预测 分析 具有 重大 的社 会 意义 和 经
ＢＰ Ｎｅ ａ Ｎｅ ｗｏ ｋ ｕｒ ｌ ｔ ｒ Ｃｏ ｂｉ ｔｏ ｍ ｎａ ｉ ｎ Ｆｏ ｅ ａ ｔｎｇ ｒ ｃ ｓｉ Ｍ ｏ ｅ Ｂａ ｅ ｄｌ ｓ ｄ ｏ ｎ Ｍ ＡＴＬＡＢ Ｕｓ ｄ ｉ Ｈｉ ｈｗａ Ｆｒ ｉ ｈｔ ｅ ｎ ｇ ｙ ｅｇ Ｖｏ ｕｍ ｅ ｌ Ｐｒ ｄ ｃ ｉ ｎ ｅ ｉ ｔｏ
基 于ＭＡＴ ＡＢ Ｌ 的
Ｂ 神经网络组合 预测模 型在 Ｐ
公ຫໍສະໝຸດ Baidu路 货 运 星 预测 巾 的 应 用
杨 云超 ，吴 非 ，袁振 洲
（ 京 交 通 大 学 城 市 交 通 复 杂 系 统 理 论 与 技 术 教 育 部 重 点 实 验 室 ，北 京 北 １ｏ ４ ０ ０４）
摘 要 ：采 用Ｂ 神 经 网络 建 立 公 路 货 运 量组 合 预 测 的 理 论 模 型 ，灵 活利 用神 经 网络 通 过 自适 应 自学 习 能 够 拟 合 任 意 非 线 Ｐ 性 函数 的功 能 ，有 效 克服 传 统 的 组 合预 测 方 法在 实 际应 用 中把 数 据 间 的 关 系 强加 给 某 一 类 函数 的 不 足 ，并 借 助 于先 进 的数 学 计 算软 件 Ｍ Ｔ Ａ 进 行 简单 的 编 程 ，大 大 降低 模 型 的 计 算难 度 ， 实例 证 明 该方 法具 有 更 高的 预 测 精 度 。 Ａ Ｌ Ｂ
Ａｂｓｒ ｃ ： Ａ ｎ ｗ ｔ ｅ ｒ ｍｏ ｅ ｉ ｂ ｏ ｈｔ ｏ ｗａ ｄ ｎｄ ｈ ｍｏ ｅ ｂ ｓ ｄ ｎ ｔａ ｔ ｅ ｈ ｏｙ ｄ ｌ ｓ ｒ ｕｇ ｆ ｒ ｒ ａ ｔ ｅ ｄ ｌ ａ ｅ ｏ ＢＰ ｅ ａ ｎ ｔ ｒ ｉ ｎ ｕｒ ｌ ｅｗｏ ｋ ｓ ｕｓ ｄ ｎ ｅ ｉ ｈｉｈ ｙ ｒ ｉｈｔ ｏｕｍｅ ｏ ｉ ｔｏ ｆ ｒ ｃ ｓｉ ．Ｔｈ ｓ ｇ ｗａ ｆｅ ｇ ｖ ｌ ｅ ｍｂ ｎａｉ ｎ ｏ ｅ ａ ｔｎｇ ｉ ｍｏ ｅ ｆｅ ｉ ｌ ａ ｌｅ ｔ ｅ ａ ａ ｌ ｙ ｈａ ｄ ｌ ｌ ｘ ｂ ｙ ｐｐ ｉｄ ｈ ｃ ｐ ｂｉ ｔ ｔ ｔ ｉ ｔ ｅ ｎ ｕｒ ｌ ｎ ｔ ｒ ｃ ｎ ｉｔ ｎ ｎ ｎ— ｉ ｅ ｒ ｕ ｃ ｉ ｎ ｂ ｓ ｌ— ｄ ｐ ａ ｉｎ ｎ ｓ ｌ－ｌ ａ ｎ ｎ ｈ ｅ ａ ｅｗｏ ｋ ａ ｆ ａ ｙ ｏ ｌｎ ａ ｆ ｎ ｔｏ ｙ ｅ ｆ ａ ａ ｔ ｔｏ ａ ｄ ｅｆ ｅ ｒ ｉ ｇ， ａ ｏ ｄ ｎ ｔ ｖ ｉ ｉ ｇ ｈｅ ｓ ｏ ｔ ｇ ｅ ｆｃ ｉ ｅｙ ｔ ｔ ｔａ ｔｏ ａ ｃ ｍｂ ｎ ｔ ｎ ｆ ｒ ｃ ｓｉ ｍｅｈ ｄ ｆ ｒ ｅ ｔ ｒ ｌ ｔｏ ｈ ｐ ａ ｎ ｔ ｈ ｒａ ｅ ｆｅ ｔｖ ｌ ｈａ ｒ ｄｉｉｎ ｌ ｏ ｉ ａ ｉ ｏ ｅ ａ ｔｎｇ ｏ ｔ ｏ ｏ ｃ ｓ ｈｅ ｅａ ｉｎｓ ｉ ｍｏ ｇ ｈｅ ｄａａ ｎ ｏ ｓ ｒ ｏ ｆ ｎ ｔｏ ｉ ｔ ｅ ｐ ｌｃ ｔｏ ｔ ｏ ｓ ｍｅ ｏ ｔ ｆ ｕ ｃ ｉｎ ｎ ｈ ａ ｐ ｉ ａｉ ｎ．Ｗ ｉｈ ｈ ｈ ｌ ｏ ＭＡＴＬＡＢ， ｓ ｍｅ ｉ ｌ ｐ ｏ ｒ ｍ ｉ ｔ ｔ ｅ ｅ ｐ ｆ ｏ ｓｍｐ ｅ ｒ ｇ ａ ｓ ｃ ｍｐ ｌ ｄ ｔ ｅ ｒ ａ ｅ ｔ ｅ ｉ ｃ ｌｙ ｆ ａ ｃ ａｉ ｎ ｏ ｉｅ ．Ｉ ｄ ｃ ｅ ｓ ｓ ｈ ｄ ｆ ｕ ｔ ｏ ｃ ｌｕｌｔｏ ．Ｔｈ ｅ ａ ｌ ｈ ｓ ｒ ｖ ｄ ｈａ ｔ ｉ ｍｅ ｈ ｄ ａ ｈ ｇ — ｉ ｅ ｘ ｍｐ ｅ ａ ｐ ｏ ｅ ｔ ｔ ｈ ｓ ｔ ｏ ｈ ｓ ｉ ｈ
（ Ｅ ｅ Ｌ ｂ ｒｔ ｙ ｆｒ Ｕ ｂ ｎ Ｔ ａ ｓ ｏｔ ｉｎ ｏ ｐ ｅ Ｓ ｓ ｍ ｈ ｏ ａ ｄ Ｔ ｃ ｎ ｌｇ ，Ｂ ｉｎ ｉ ｔｎ ｎｖ ｒ ｔ ， ＭＯ Ｋ ｙ ａ ｏａ ｒ ｏ ｒ ａ ｒｎｐ ｒ ｔ Ｃ ｍ ｌｘ ｙｔ ｓ Ｔ ｅ ｒ ｎ ｅ ｈ ｏｏ ｙ ｅ ｉｇ Ｊａ ｏ ｇ Ｕ ｉｅｓ ｙ ｏ ａｏ ｅ ｙ ｊ ｏ ｉ Ｂ ｉｎ １ ０ ４ ，Ｃ ｉａ ｅ ｉ ０ ４ ｈｎ ） ｊｇ ０
果综 合起 来 ，以改善模 型 的拟 合能力 并 提高 预测 精 度 。 但 是 ，传 统 的 组 合 预 测 方 法 具 有 一 定 的 局 限
性。
济 意义 。可 见 ，公路 货运 量 的预测 举 足轻 重 ，可 靠
ｅ ｐｒ ｄ ｃ ｉｎ ｒ ｅ ｉ ｔｏ ｐｒ ｃｓｏ ｅ ｉｉｎ．
Ｋｅ ｗｏ ｄ ｙ ｒ ｓ： ＢＰ ｎ ｕ ａ ｎｅｗｏ ｋ； ｆｅｇ ｖ ｌ ｍｅ； ＭＡＴＬＡＢ； ｃ ｍｂｉ ａｉ ｎ ｏ ｅ ａ ｔ ｅ ｒｌ ｔ ｒ ｒ ｉｈｔ ｏ ｕ ｏ ｎ ｔ ｆ ｒ ｃ ｓ ｏ
０ 引 言
关 键 词 ：ＢＰ 经 网络 ：货 运 量 ：ＭＡＴ ＡＢ；组 合 预 测 神 Ｌ 中图 分 类 号 ：Ｕ４ １】 ３ ９ ．１ 文 献标 识码 ：Ａ 文章 编 号 ： １ ０ — ７ ６ ２ ０） ４ ０ ０ — ３ ０ ２ ４ ８ （ ０１ ０ — ２ ７ ０
ＤｏＩ １ ３ ６ ／ １ ０ — ７ ６２ １ ．４０ ３ ： ０．８ ９ｉ ０ ２ ４ ８ ．０ ００ ．６ ．
或某 几个 方 面 ，反 映 了部分 因素 的影 响 。但公 路 货 运量 受到 多种 因素 的影 响 ，为 了最 大限 度地 反映 实 际情 况 ，可 采用组 合 预测 的方 法将各 种 单项 预测 结
运 输需 求预 测 是 公 路 网规 划 、区 域发 展 规 划 、
基 础建设 投 资决 策及 运输 生产 组织 管理 的基础 ，对 交 通运输 需 求 的预测 分析 具有 重大 的社 会 意义 和 经
ＢＰ Ｎｅ ａ Ｎｅ ｗｏ ｋ ｕｒ ｌ ｔ ｒ Ｃｏ ｂｉ ｔｏ ｍ ｎａ ｉ ｎ Ｆｏ ｅ ａ ｔｎｇ ｒ ｃ ｓｉ Ｍ ｏ ｅ Ｂａ ｅ ｄｌ ｓ ｄ ｏ ｎ Ｍ ＡＴＬＡＢ Ｕｓ ｄ ｉ Ｈｉ ｈｗａ Ｆｒ ｉ ｈｔ ｅ ｎ ｇ ｙ ｅｇ Ｖｏ ｕｍ ｅ ｌ Ｐｒ ｄ ｃ ｉ ｎ ｅ ｉ ｔｏ
基 于ＭＡＴ ＡＢ Ｌ 的
Ｂ 神经网络组合 预测模 型在 Ｐ
公ຫໍສະໝຸດ Baidu路 货 运 星 预测 巾 的 应 用
杨 云超 ，吴 非 ，袁振 洲
（ 京 交 通 大 学 城 市 交 通 复 杂 系 统 理 论 与 技 术 教 育 部 重 点 实 验 室 ，北 京 北 １ｏ ４ ０ ０４）
摘 要 ：采 用Ｂ 神 经 网络 建 立 公 路 货 运 量组 合 预 测 的 理 论 模 型 ，灵 活利 用神 经 网络 通 过 自适 应 自学 习 能 够 拟 合 任 意 非 线 Ｐ 性 函数 的功 能 ，有 效 克服 传 统 的 组 合预 测 方 法在 实 际应 用 中把 数 据 间 的 关 系 强加 给 某 一 类 函数 的 不 足 ，并 借 助 于先 进 的数 学 计 算软 件 Ｍ Ｔ Ａ 进 行 简单 的 编 程 ，大 大 降低 模 型 的 计 算难 度 ， 实例 证 明 该方 法具 有 更 高的 预 测 精 度 。 Ａ Ｌ Ｂ
Ａｂｓｒ ｃ ： Ａ ｎ ｗ ｔ ｅ ｒ ｍｏ ｅ ｉ ｂ ｏ ｈｔ ｏ ｗａ ｄ ｎｄ ｈ ｍｏ ｅ ｂ ｓ ｄ ｎ ｔａ ｔ ｅ ｈ ｏｙ ｄ ｌ ｓ ｒ ｕｇ ｆ ｒ ｒ ａ ｔ ｅ ｄ ｌ ａ ｅ ｏ ＢＰ ｅ ａ ｎ ｔ ｒ ｉ ｎ ｕｒ ｌ ｅｗｏ ｋ ｓ ｕｓ ｄ ｎ ｅ ｉ ｈｉｈ ｙ ｒ ｉｈｔ ｏｕｍｅ ｏ ｉ ｔｏ ｆ ｒ ｃ ｓｉ ．Ｔｈ ｓ ｇ ｗａ ｆｅ ｇ ｖ ｌ ｅ ｍｂ ｎａｉ ｎ ｏ ｅ ａ ｔｎｇ ｉ ｍｏ ｅ ｆｅ ｉ ｌ ａ ｌｅ ｔ ｅ ａ ａ ｌ ｙ ｈａ ｄ ｌ ｌ ｘ ｂ ｙ ｐｐ ｉｄ ｈ ｃ ｐ ｂｉ ｔ ｔ ｔ ｉ ｔ ｅ ｎ ｕｒ ｌ ｎ ｔ ｒ ｃ ｎ ｉｔ ｎ ｎ ｎ— ｉ ｅ ｒ ｕ ｃ ｉ ｎ ｂ ｓ ｌ— ｄ ｐ ａ ｉｎ ｎ ｓ ｌ－ｌ ａ ｎ ｎ ｈ ｅ ａ ｅｗｏ ｋ ａ ｆ ａ ｙ ｏ ｌｎ ａ ｆ ｎ ｔｏ ｙ ｅ ｆ ａ ａ ｔ ｔｏ ａ ｄ ｅｆ ｅ ｒ ｉ ｇ， ａ ｏ ｄ ｎ ｔ ｖ ｉ ｉ ｇ ｈｅ ｓ ｏ ｔ ｇ ｅ ｆｃ ｉ ｅｙ ｔ ｔ ｔａ ｔｏ ａ ｃ ｍｂ ｎ ｔ ｎ ｆ ｒ ｃ ｓｉ ｍｅｈ ｄ ｆ ｒ ｅ ｔ ｒ ｌ ｔｏ ｈ ｐ ａ ｎ ｔ ｈ ｒａ ｅ ｆｅ ｔｖ ｌ ｈａ ｒ ｄｉｉｎ ｌ ｏ ｉ ａ ｉ ｏ ｅ ａ ｔｎｇ ｏ ｔ ｏ ｏ ｃ ｓ ｈｅ ｅａ ｉｎｓ ｉ ｍｏ ｇ ｈｅ ｄａａ ｎ ｏ ｓ ｒ ｏ ｆ ｎ ｔｏ ｉ ｔ ｅ ｐ ｌｃ ｔｏ ｔ ｏ ｓ ｍｅ ｏ ｔ ｆ ｕ ｃ ｉｎ ｎ ｈ ａ ｐ ｉ ａｉ ｎ．Ｗ ｉｈ ｈ ｈ ｌ ｏ ＭＡＴＬＡＢ， ｓ ｍｅ ｉ ｌ ｐ ｏ ｒ ｍ ｉ ｔ ｔ ｅ ｅ ｐ ｆ ｏ ｓｍｐ ｅ ｒ ｇ ａ ｓ ｃ ｍｐ ｌ ｄ ｔ ｅ ｒ ａ ｅ ｔ ｅ ｉ ｃ ｌｙ ｆ ａ ｃ ａｉ ｎ ｏ ｉｅ ．Ｉ ｄ ｃ ｅ ｓ ｓ ｈ ｄ ｆ ｕ ｔ ｏ ｃ ｌｕｌｔｏ ．Ｔｈ ｅ ａ ｌ ｈ ｓ ｒ ｖ ｄ ｈａ ｔ ｉ ｍｅ ｈ ｄ ａ ｈ ｇ — ｉ ｅ ｘ ｍｐ ｅ ａ ｐ ｏ ｅ ｔ ｔ ｈ ｓ ｔ ｏ ｈ ｓ ｉ ｈ