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