共查询到20条相似文献,搜索用时 359 毫秒
1.
针对城市私人汽车保有量增长预测问题,在对支持向量机理论进行改进的基础上,进行滚动预测研究。在对已有的机动车保有量预测模型进行对比分析的基础上,建立了基于支持向量机的私人汽车保有量滚动预测模型,并利用北京市私家车保有量历史数据对滚动预测模型进行了实证分析。结果表明该预测模型具有较高的预测精度、符合实际需求、具有广泛的应用前景。 相似文献
2.
基于神经网络BP算法的出租汽车保有量预测法 总被引:1,自引:0,他引:1
介绍了出租车保有量神经网络预测模型的建立.以南京市的实际数据为检测依据,论证了该模型应用于城市出租汽车保有量预测的可行性,并对该市2005~2008年的出租汽车保有量进行了预测;该预测模型与传统模型进行预测对比的结果表明,由于神经网络在处理非线性系统方面的优越性,该预测模型在交通预测方面具有较高的计算精度. 相似文献
3.
基于多相关因素的汽车保有量预测神经网络方法 总被引:7,自引:1,他引:7
将神经网络技术用于汽车保有量预测,建立基于双BP神经网络的多相关因素汽车保有量预测模型。以呼和浩特市汽车保有量预测为例,详细介绍汽车保有量神经网络预测模型的操作过程,并证实了该方法的可行性和可靠性。 相似文献
4.
5.
为了提高出租车保有量的预测精度,利用小波神经网络逼近出租车保有量与其影响因素之间的非线性特性,并建立影响因素的预测模型,然后,将影响因素的预测值输入出租车保有量预测模型便实现了出租车保有量的预测.利用某市2000-2009年的出租车保有量及影响因素数据进行仿真预测,结果表明,相对于传统的BP神经网络,基于小波神经网络的出租车保有量预测模型具有更高的预测精度,该市2010-2012年的出租车保有量应分别达到9020、9 350、9 560 veh,才能保证平均候车时间在4 min左右. 相似文献
6.
运用弹性系数法预测北京机动车保有量 总被引:1,自引:0,他引:1
综述了机动车保有量的预测方法,包括时间序列回归法、神经网络法、弹性系数法等,分析了不同方法的特点,给出了相关启示。结合北京经济发展趋势,运用弹性系数法对机动车保有量进行了预测。 相似文献
7.
采用神经网络建立汽车保有量与年产量时间序列的预测模型,并对我国未来几年的汽车保有量和年产量进行预测,其中包括民用汽车拥有量、私人汽车拥有量和汽车产量等,取得了较为满意的预测结果.对预测结果进行分析,指出了我国汽车保有量与产量今后发展的特点和趋势. 相似文献
8.
采用神经网络建立汽车保有量与年产量时间序列的预测模型,并对我国未来几年的汽车保有量和年产量进行预测,其中包括民用汽车拥有量、私人汽车拥有量和汽车产量等,取得了较为满意的预测结果,对预测结果进行分析,指出了我国汽车保有量与产量今后发展的特点和趋势。 相似文献
9.
根据世界各地交通发展分散性很大的实际状况,通过对多种预测模型的研究,提出了交通量预测的向量空间理论.定义了该向量空间的交通范数,利用范数来优化选择空间中的向量及产生该向量的映射.给出了预测向量的非线性逼近方法.采用了交通量、交通量相对增长函数等交通物理量,将其作为预测向量的多种模式.对近10年间中国、美国和韩国等国全国机动车保有量预测相对误差平均值为3.93%. 相似文献
10.
以现有的地区模型为基础,以规划设计的经济指标为依据对新开发地区的机动车保有量进行预测,提出各机动车分类预测,主要是小客车比较通用的预测方法。 相似文献
11.
12.
中国清洁汽车行动的成就与展望 总被引:2,自引:0,他引:2
1中国清洁汽车行动的重要意义
近年来,我国汽车工业得到了快速发展。2004年我国汽车年产量达到507.4万辆,已成为世界第四大汽车生产国和第三大消费国。2004年我国汽车保有量已达到2742万辆,比2003年增长了13%。私人汽车保有量占总保有量的比例已从“九五”末不到40%提高到近60%。摩托车产量和保有量分别达1700万辆和7900万辆。农用运输车产量和保有量分别达200万辆和2500万辆。据有关预测,到2020年我国汽车总需求量将接近2000万辆,总保有量有可能突破1.5亿辆。随着机动车保有量的激增,我国机动车尾气污染问题更显严重,国家环保中心预测,到2010年我国汽车尾气排放量将可能占空气总污染源的64%。 相似文献
13.
14.
15.
随着我国社会主义和谐社会建设的发展,汽车保有量呈现出越来越高的增长势头。据公安部交管局的最新统计数据,截至2008年6月底,全国机动车保有量约为16571万辆。其中汽车约6122万辆,与2007年相比增加约425万辆,增长7.47%。在全国汽车保有量中,私人机动车增长迅速,全国私人机动车保有量高达12566万辆,占机动车总量的75.83%,其中私人汽车3885万辆,占汽车保有量的63.46%。 相似文献
16.
为提高短时交通流预测的精度,提出利用BP神经网络、RBF神经网络和ARIMA模型构建组合预测模型,该组合预测模型利用最优化原理进行权系数的分配,并且满足分配到的权值始终具有实际意义。通过对分配的权系数进行显著性检验,以确保组合预测模型中选用的单项预测方法显著相关。通过实例分析,验证了组合预测模型的有效性,结果表明,相比较单一的预测模型,组合预测模型具有更高的预测精度。 相似文献
17.
18.
19.
《隧道建设》2021,(5)
为解决盾构竖向姿态的精确预测问题,提出一种基于长短期记忆(longshorttermmemory,LSTM)神经网络-支持向量回归(supportvectorregression,SVR)的深度学习组合预测模型。在对采集到的竖向姿态数据进行相应的数据预处理的基础上,分别构建LSTM、SVR竖向姿态预测模型,并基于最优组合赋权的方式对二者的预测结果进行赋权,以得到LSTM-SVR盾构竖向姿态组合预测模型。为验证所构建的LSTM-SVR组合深度学习预测模型的可靠性,依托昆明地铁项目,将预测结果与LSTM、SVR、BP(back propagation)模型的预测结果进行对比。结果表明:所构建的LSTM-SVR组合深度学习预测模型具有较高的预测精度。 相似文献