基于BP神经网络的南宁市公路货运量预测

为提高公路货运量预测的准确性,依据南宁市历史年份的公路货运量数据建立公路货运量的BP神经网络预测模型。将模型在MATLAB软件环境下进行编码并运算,通过对数据的反复训练和学习最终得到预测值。经过实例分析证明基于BP神经网络的货运量预测模型的有效性。为证明不同方法间的差异性,利用趋势外推法、三次指数平滑法、灰色预测法以及指数回归法对南宁市公路货运量进行了预测。通过对比分析,得到不同方法的相对误差。可以看出,基于BP神经网络的货运量预测模型较传统预测方法有较大的优越性,BP神经网络模型能够揭示货运量的非线性变化关系,准确地拟合原始数据。     

基于BP神经网络的甘肃省公路客运量预测方法

公路客运是交通科学管理的基础数据,提高公路交通管理水平,对建立平稳高效的道路交通系统具有重要意义。为了提高公路客运量的预测精度,选择与公路客运量相关的三个指标(国内生产总值、公路长度和民用车拥有量),建立了基于BP神经网络的公路客运量预测模型,并对该模型进行了应用测试,与多元线性回归预测模型进行了比较。结果表明:BP神经网络模型具有更高的精度。     

基于改进BP神经网络的公路工程概算审查

提出了采用改进型BP神经网络进行公路工程概算审查,并采用动量法和学习率自适应调整的策略改进BP神经网络算法,建立了以路面类型、公路等级、横断面类型、横断面高度、横断面宽度、地基处理类型、路面材料类型、路面厚度、防护工程等影响公路工程概算金额的特征因素为输入,概算金额为输出的9—5—1的改进BP神经网络,实例计算中预测值与审查结果值线性回归的相关系数都大于0.9,表明改进型BP神经网络可以较好地用于公路工程概算审查。     

基于马尔科夫链-BP神经网络模型对公路运量的预测研究

选取河北省某地区1998—2017年公路运量数据为例,采用BP神经网络模型进行预测并用马尔科夫链修正预测值,将公路运量实际值与BP神经网络预测值及马尔科夫链修正值作对比分析并预测了2018—2019年的公路运量数据.使用马尔科夫链修正后的BP神经网络预测模型可以将公路客运量和货运量的平均相对误差分别下降至2.07％和2.14％.修正后的模型不仅可以准确的对公路运量做出预测,而且可以为未来公路运输发展提供有利意见.     

RBF神经网络预测水泥水化热研究

利用RBF神经网络对水泥水化热进行预测,根据水泥水化热的影响因素,建立了12个输入节点、1个输出节点的RBF神经网络模型.通过27组试验数据,验证了模型的可靠性,并与BP神经网络进行了比较.结果表明,RBF神经网络预测效果明显优于BP神经网络,前者不仅预测速度快,而且预测精度高,相对误差小于4%,在水泥水化热预测中具有...     

基于神经网络的公交客流预测

公交客流量具有动态性,受多种因素的影响,不能或无法用精确的数学模型进行预测。通过对公交客流量预测的Elman和BP神经网络的建立、学习和训练,并以前三年的公交客流量、国内生产总值、工业总产值、城市人口数作为两种神经网络的输入神经元,第四年的公交客流量作为输出神经元,同时以合肥市公交客流量为例进行分析,结果表明:所建的Elman模型比BP模型的预测精度高,效果好。     

基于神经网络的公交客流预测

公交客流量具有动态性,受多种因素的影响,不能或无法用精确的数学模型进行预测.通过对公交客流量预测的Elman和BP神经网络的建立、学习和训练,并以前三年的公交客流量、国内生产总值、工业总产值、城市人口数作为两种神经网络的输入神经元,第四年的公交客流量作为输出神经元,同时以合肥市公交客流量为例进行分析,结果表明:所建的Elman模型比BP模型的预测精度高,效果好.     

基于神经网络的公交客流预测

公交客流量具有动态性,受多种因素的影响,不能或无法用精确的数学模型进行预测。通过对公交客流量预测的Elman和BP神经网络的建立、学习和训练,并以前三年的公交客流量、国内生产总值、工业总产值、城市人口数作为两种神经网络的输入神经元,第四年的公交客流量作为输出神经元,同时以合肥市公交客流量为例进行分析,结果表明:所建的Elman模型比BP模型的预测精度高,效果好。     

PSO-BP混合预测模型及在港口集装箱吞吐量预测中的应用

运用粒子群优化算法代替BP神经网络的初始寻优,再用BP算法对优化的网络权值参数进一步精确优化,从而建立基于粒子群优化的BP神经网络模型.运用该模型对某港口集装箱吞吐量进行预测.应用结果表明,该预测模型不仅能较好地拟合港口集装箱吞吐量的历史数据,同时对港口集装箱吞吐量的远期预测也具有较好的效果.     

BP神经网络在工程造价估算中的应用

运用BP神经网络方法,对土木工程造价做有益的探讨。利用神经网络可以节省时间,减小历史状况对价格估算的影响,也有利于应用工程量清单为基础的国际惯例。并以收集到的样本为例,对该模型进行了实证研究,表明了该方法的有效性。     

基于BP神经网络的沙漠公路交通事故预测模型

介绍人工神经网络理论,论述BP神经网络的模型结构与原理,利用BP神经网络构建了交通事故预测模型,用MATLAB语言编写了相应的程序,并给出了模拟与预测的结果。模拟结果表明,构建的BP神经网络预测模型是成功的、有效的。     

基于BP神经网络的高速公路工程造价估算模型研究

工程项目前期造价的确定直接关系到整个项目的总体运作情况,因此准确的确定前期造价是非常重要的。目前工程中应用的投资估算编制方法不是很科学,采用BP神经网络方法改进投资估算的确定方法。结果表明,该方法可以有效的提高其编制精度,为科学的确定和有效的控制工程造价中全过程造价奠定了良好的工作基础。     

公路工程可行性研究工作质量综合评价

基于公路工程可行性研究内容要求,提出评价公路工程可行性研究质量的指标体系,采用模糊评价法与层次分析法相结合的评价方法,建立模糊综合评价模型,并进行了实证研究,有助于公路工程可行性研究质量进行客观公正的评价。     

基于神经网络的公路工程承发包价格发展预测

公路工程承发包价格是公路工程造价研究的重要内容。合理确定影响公路工程承发包价格的多种因素,采用基于BP神经网络的公路工程价格预测方法,建立模拟承发包价格与其影响因素间的非线性关系预测模型,经过训练与检验、数据预测,结果表明,该方法实用性强,具有一定的理论与实际应用价值。     

动态交通流量预测方法研究

随着智能运输系统的广泛应用,实时交通流量预测的重要性也日益显著。本文介绍了预测模型发展过程中比较重要的几个模型,并由此引出人工神经网络。介绍误差逆传播(BP)模型的相关理论。指出传统BP神经网络的缺陷,并提出提高预测精度的措施引进高阶神经网络。建立普通BP神经网络的预测模型,利用误差反传播算法实现这些影响因素到输出变量的复杂映射,再用高阶神经网络构建另一预测模型。利用交叉口实测数据进行预测,并用实际数据进行比较验证。     

居民轨道选择意向建模与应用研究

基于轨道交通大发展的背景,对居民选择轨道交通出行的意向进行建模分析,旨在为大城市的轨道交通建设提供依据。通过分析居民出行交通方式选择的影响因素（传统的出行方式、出行费用、性别等）,构建了居民轨道选择意向转移模型,并确定模型的输入输出向量,利用MATLAB-ANN的BP网络,求解模型效用值,最后结合苏州市进行应用研究。     

��·������Ԥ��ĸĽ�BP�����緽��

铁路货运量与其影响因素之间存在着复杂的非线性关系，传统的BP神经网络模型能对非线性系统进行很好的拟合，但模型的预测能力不强。通过单位根检验，可知铁路货运量及其影响因素的时序列数据是非平稳的。本文通过分析BP神经网络的传递函数对非平稳时间序列预测的不利影响，提出用差分法对输入数据进行预处理，在此基础上建立了铁路货运量预测的改进BP神经网络模型，并通过实例计算说明了这种改进BP神经网络方法对提高铁路货运量预测精度的有效性，最后利用该模型对2006—2O1O年的铁路货运量进行了预测。     

提高公路工程概预算编制质量的探讨

公路工程概算是初步设计文件的重要组成部分 ,公路工程预算是施工图设计文件的重要组成部分 ,对公路工程建设项目至关重要 .提高概、预算编制质量需从 5个方面努力 :合理取定材料单价 (包括人工和机械台班单价 ) ;核准工程数量并要按编制概预算的要求进行表述 ;要有优化后确定的施工方案 ;准确地选用定额并对缺少的项目做好补充定额工作 ;按编制好的概预算进行工程造价分析 .在编制工程概、预算的实践过程中应特别注意积累宝贵资料并不断提高概、预算编制水平     

神经网络在交通流信息融合中的应用

在城市交通控制系统中可利用数据融合技术获得准确的车辆状态和身份估计,并将相关信息用于交通管理的决策.应用人工神经网络的方法在多传感器信息融合的基础上,提出了一种基于信息融合思想的神经网络模型,并通过实际验证了其有效性及可靠性.     

高分子湿度传感器湿滞和温度补偿神经网路算法研究

高分子湿度传感器的感湿特性存在湿滞环,并且传感器对温度比较敏感,需要进行湿度和温度补偿。本文构建了两个BP神经网路分别映射传感器感湿特性的升程和降成,并同时将环境温度参数作为神经网络输入的一部分,实现传感器湿滞映射和温度补偿。利用MATLAB神经网络工具箱对网络进行了离线训练和验证,结果表明该网络能够较理想地映射传感器的湿滞环,并能够达到温度补偿作用。