基于遗传算法的BP神经网络短时交通流预测

对BP神经网络模型、方法及遗传算法的基本原理进行了分析,将遗传算法与标准BP神经网络算法相结合构建了基于遗传算法的神经网络算法;建立了基于BP神经网络的短时交通流预测模型,对BP神经网络算法及基于遗传算法的BP神经网络算法进行设计,并将其应用于短时交通流预测模型的仿真计算,仿真结果表明基于遗传算法的BP神经网络算法具有更快的计算速度及更好的适应能力,该方法可以较好地应用于短时交通流预测。     

基于神经网络的无信号路口人车交通行为预测分析

以无信号灯路口人车交通行为为研究对象,对行人和机动车辆在无信号灯路口的整体交通行为进行分类预测。在对路口现场交通情况进行拍摄后,用电脑的分帧技术对所需要的数据进行提取和分类,而后建立BP神经网络模型,确定神经网络的输入变量与输出变量。将样本数据导入神经网络并进行训练和测试后,得出行人和车辆过街类型的分类准确率,并且通过准确率所达到的标准来证明了BP神经网络模型的可行性。     

混凝土结构钢筋锈蚀率BP神经网络预测模型

文章基于对钢筋锈蚀率与锈胀裂缝关系的分析,建立了根据锈胀裂缝宽度预测钢筋锈蚀率的BP神经网络模型,并将该模型的预测结果与采用线性拟合法预测的结果进行了比较。结果表明：用BP神经网络模型可以较准确、简便、快速地预测钢筋混凝土结构的钢筋锈蚀率。     

基于BP神经网络的PGIS空车位数预测建模研究

文章采用BP神经网络对城市停车诱导信息系统（PGIS）中的空余车位数进行预测研究,建立了基于BP神经网络的PGIS空车位数预测模型,并介绍了模型预测的过程和方法。     

灰色BP网络串联式组合模型在铁路客货运输量预测中的应用

针对铁路客货运输量发展趋势的研究,建立一种基于灰色理论和BP神经网络的串联式组合预测模型。该模型首先用同一组数据序列建立不同参数的灰色方程,然后用各灰色方程分别预测,最后将各灰色方程预测的结果进行BP神经网络非线性组合,形成串联式组合预测模型。对湖南省铁路客货运量进行分析预测,结果表明:该组合模型预测的准确性高于单独使用灰色模型的准确性,是一种可靠有效的预测方法。     

基于人工蜂群优化小波神经网络的隧道沉降预测

小波神经网络存在收敛速度较慢、易陷入局部最优的缺陷,而人工蜂群算法收敛速度快且同时具有局部和全局搜索的能力。文章利用人工蜂群算法对小波神经网络进行优化,形成人工蜂群小波神经网络,并将其应用于地铁隧道沉降预测;并以深圳地铁10号线为例,将该模型的预测结果与BP神经网络、小波神经网络进行对比分析。结果表明,人工蜂群小波神经网络较其它两种模型的预测精度更高,预测结果更稳定。     

基于BP神经网络的绿色供应链优化研究

利用BP神经网络算法能够依据输入的参数和网络模型中影响因素的不同而输出不同信息的特性,可以对绿色供应链进行优化。为了提高企业的经济效益和绿色效益,从BP神经网络绿色供应链模型、试验数据验证及模型仿真等视角对基于BP神经网络的绿色供应链优化展开研究,对相关问题有一定的参考意义。     

基于PCA-BP神经网络的铁路客运量预测模型研究

本文分析铁路客运量影响因素,利用主成分分析(PCA)消除原始铁路客运量影响因素之间的相关性,将主成分分析结果作为BP神经网络的输入,并通过增加动量项、输入数据处理、调整学习速率优化BP神经网络,提出基于PCA-BP神经网络的铁路客运量预测模型。实例研究表明,与BP神经网络相比,PCABP神经网络能有效提高铁路客运量预测精度。     

基于SVM-BP神经网络组合模型的高速公路出口流量预测

为了给高速公路交通流精准预测提供更准确的方法,本文利用济南西高速公路出口早晚高峰流量数据,采用SVM-BP神经网络组合模型进行短时交通流预测,并对单一的SVM（支持向量机）模型、BP神经网络模型和组合模型的预测精度进行比较和实证分析。当样本数量小于或等于120时,结果表明：(1)误差对比：当样本数量大于22时,由于预测集与训练集数据分布本身存在差异且SVM模型训练完成后过于复杂导致三种模型的误差逐渐变大。(2)预测精度：组合模型>BP神经网络>SVM,组合模型的平均绝对误差（MAE）提高了6.85%,远高于其他单一模型,验证了组合模型的有效性。     

基于BP神经网络的川气东送管道土壤腐蚀预测

通过现场埋片和土壤理化性质试验确定了影响川气东送管道腐蚀速率的主要土壤因素,对39个试验点的X70钢质试片的腐蚀数据进行分析,构建了X70钢材土壤腐蚀预测模型,利用该模型在BP神经网络中训练、模拟,并运用MATLAB软件对神经网络进行编程,将预测结果与现场X70埋片腐蚀实验结果对比。结果表明:运用BP神经网络可以建立稳定性好的土壤腐蚀预测模型,预测川气东送管道X70钢材在土壤中的腐蚀速率的准确度达到90%以上。     

隧道洞室地基稳定性双阶段多策略粒子群BP网络模型研究

影响隧道洞室地基稳定性的因素众多,这些因素与隧道洞室地基稳定性之间存在着复杂的非线性关系,并且常规的方法很难描述这种复杂的关系。文章提出了一种双阶段多策略粒子群算法(DMPSO)优化的BP神经网络隧道洞室地基稳定性评价模型。粒子群算法具有全局优化能力强、搜索效率高等特点,算法改进后使这些特点更加突出。BP算法有很强的非线性映射能力、泛化能力,但也有收敛速度慢,容易陷入局部最优等缺陷。采用双阶段多策略粒子群算法(DMPSO)搜索BP模型的权值和阈值,弥补了BP模型的缺陷,提高了其预测的准确度。文章以重庆小什字车站洞室地基为例,证明了双阶段多策略粒子群算法优化的BP神经网络模型(DMPSO-BP)的可行性,并且该模型比模糊神经网络和粒子群优化的BP神经网络(PSO-BP)模型有更好的预测精度。     

基于组合模型的公路客运量预测研究

随着客运量与经济发展的联系越来越密切,如何更科学有效地对客运量进行预测变得越来越重要。文章分别介绍了灰色系统法、时间序列法、Elman神经网络及组合预测的方法原理,并以兰州市公路客运量为例,运用灰色模型、时间序列模型和Elman神经网络模型的组合模型进行客流预测,验证了该组合模型的合理性。     

基于数据分析的铁路列车到达晚点预测模型

准确估计列车的实际晚点时间对于列车运行图制定、列车调度员决策具有重要意义。为此,以荷兰铁路列车运行实际数据为研究基础,根据列车实际运行数据选择自变量,以列车的实际晚点时间为因变量,建立列车晚点的随机森林预测模型,并以BP神经网络模型作为对比,结果表明随机森林模型预测误差稳定,预测精度较高,比传统的神经网络方法取得了更好的预测效果。     

自适应神经网络在公路客运量预测方面的应用

针对城市公路客运量具有模糊、不易预测的特点,采用自适应神经网络模型,选择适当的参数,分析城市公路客运量与人口、GDP之间的关系,并利用它们之间的关系对城市公路客运量进行预测,取得了比较好的结果.     

崇遵高速公路假期交通流量分析与预测

<正>确预测假期中各时段的出行车流量,对交通流量控制具有重要的作用。鉴于此,运用数据挖掘技术中的BP神经网络与SVM模型技术,通过实证法对崇遵高速公路中的假期时段流量进行预测。预测后的时段交通流量将有助于收费站点动态配置高峰时段的收费人员,并主动启动车流高峰应急预案。     

公路路堑边坡防护技术探讨

随着我国经济的快速发展,公路建设也呈现快速发展的状态,尤其是高级公路建设已经扩展到我国中西部地区,路堑边坡的防护是公路建设中比较重要的问题,是保证施工质量和运行安全的关键。本文主要对公路路堑边坡防护技术进行简单论述,并对其未来的发展前景进行展望,为公路路堑边坡防护技术的发展做出一点理论贡献。     

人工蜂群优化BP神经网络在输油管道泄漏检测中的应用

BP神经网络的泛化性能很大程度上取决于模型的参数选择,针对此问题提出基于人工蜂群算法(ABC)的BP神经网络参数优化算法,并将其应用于输油管道的泄漏检测。该方法将BP神经网络的连接权值和阈值一一对应于人工蜂群算法优化问题每个可行解的各维度值,找到问题的最优解,训练出符合精度要求的理想模型。将该方法应用于输油管道泄漏信号的识别,提取管道各类工况下压力信号部分非线性特征作为检测模型训练样本集,建立输油管道泄漏检测模型并进行识别测试,有效提高了泄漏检测的准确率。     

基于BP神经网络的隧道参数反演模型研究

随着我国基础建设的不断推进,越来越多隧道不可避免的修建在地质地貌复杂的地区,隧道施工安全与岩体参数确定变得更加重要。本文运用LM算法改进的BP神经网络与数值模拟技术相结合的方法构建智能隧道围岩参数反演模型,并结合工程实例对其可靠性进行检验,以期为类似隧道物理力学参数预测提供参考。     

BIM技术在公路改扩建工程中的应用

为充分发挥信息技术在工程管理中的积极作用,促进我国公路建设管理水平的提升,以公路改扩建工程为研究对象,提出基于BIM技术结合云计算技术等构建三维模型,利用VR技术模拟安全体验等。此外,提出构建基于BIM技术的协同管理平台,将公路改扩建工程的相关数据与BIM模型联结在一起,更高效地开展公路建设及管理工作,为相关领域提供参考。     

基于GM(1,N)及神经网络的崇左铁路货运量预测

运量的预测是崇左地区铁路及物流业规划极其重要的依据。文章基于对崇左地区铁路运量影响因素的分析,利用灰度GM(1,N)预测模型对铁路运量上限进行预测,并建立BP神经网络预测模型对近年来崇左地区的铁路货运发生量进行预测,得到2014年铁路货运预测发生量及货运量上限。预测模型与实际数据拟合程度极高,且模型稳定,可根据模型及2015年规划基础数据对崇左地区铁路运量进行稳定预测。