首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 109 毫秒
1.
用改进的前向神经网络预测铁路货运量   总被引:8,自引:0,他引:8  
对影响铁路货运量的因素进行了分析。根据影响铁路货运量的诸因素的特点,介绍了一种改进的前向神经网络预测方法,并建立了铁路货运量前向神经网络预测模型。算例表明,其预测精度高于常规预测方法。  相似文献   

2.
在分析铁路货运量预测方法的基础上,针对标准BP神经网络的不足,提出改进的BP神经网络预测模型。首先,利用动态陡度因子来改变激励函数的陡峭程度,以此来得到更好的激励函数响应特征以及更好的非线性表达能力;其次,利用附加动量因子,通过对以前经验的积累,既降低了神经网络对误差曲面的局部细节敏感特性,又较好的遏制了神经网络易于限于局部最小的缺陷;最后,采取改变学习率的方法,给定一个较大的学习率初始值,在学习的过程中学习率不断减小,网络最终趋于稳定。改进BP算法既可以得到更优的解,还能够缩短训练时间。利用全国铁路货运量的相关数据对改进BP神经网络进行了验证。验证的结果表明,改进的BP神经网络预测模型在相对误差和迭代次数上有较大改善,对铁路的货运量预测很有效。  相似文献   

3.
根据铁路集装箱运量预测受到多因素影响以及非线性的特点,本文采用灰色关联分析法选取了影响集装箱运量的主要因素,提出了一种基于非线性灰色模型和神经网络模型组合的铁路集装箱运量预测方法.该方法将非线性灰色预测模型的预测值作为输入,相应的实际集装箱货运量作为输出,建立了神经网络模型结构,并提出了相应的算法.最后以实例分析了该模型的可行性和科学性.实例分析表明:非线性灰色模型预测的最大误差为10.52%,而组合模型的预测误差最大为8.72%,说明文中提出的组合预测模型充分考虑了多指标的共同作用,灰色预测模型提供了较完善的输入数据,神经网络模型考虑了各主要指标的关联关系.  相似文献   

4.
根据铁路集装箱运量预测受到多因素影响以及非线性的特点,本文采用灰色关联分析法选取了影响集装箱运量的主要因素,提出了一种基于非线性灰色模型和神经网络模型组合的铁路集装箱运量预测方法. 该方法将非线性灰色预测模型的预测值作为输入,相应的实际集装箱货运量作为输出,建立了神经网络模型结构,并提出了相应的算法. 最后以实例分析了该模型的可行性和科学性. 实例分析表明:非线性灰色模型预测的最大误差为10.52%,而组合模型的预测误差最大为8.72%,说明文中提出的组合预测模型充分考虑了多指标的共同作用,灰色预测模型提供了较完善的输入数据,神经网络模型考虑了各主要指标的关联关系.  相似文献   

5.
货运量预测是铁路运输规划的基础,单一预测方法很难准确有效地进行运量预测。探讨组合模型在铁路货运量预测中的应用,以全铁路货运量及社会经济发展状况为样本,对未来铁路货运量进行预测。实证预测结果表明:组合预测模型能有效综合各模型的有用信息,从而提高模型预测精度,与单一模型相比,该方法具有较好的实用价值。  相似文献   

6.
��·������Ԥ��ĸĽ�BP�����緽��   总被引:6,自引:0,他引:6  
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。  相似文献   

7.
安然  华光  董娜 《交通标准化》2015,1(2):58-64
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。  相似文献   

8.
为了定量预测多个外部因素影响下的货运量,建立了混合径向基神经网络模型.该模型以径向基神经网络为模型主体,并结合二阶振荡粒子群优化算法和灰色预测方法构成混合预测模型.该神经网络模型的参数设置更加简便,收敛速度更快.实例预测得到的结果相比较其他预测方法绝对误差值更小,误差变化范围更加稳定,证实了该神经网络模型的有效性,表明了其在多因素影响下的货运量预测中具有很好的适用性.  相似文献   

9.
以研究城市货运量的预测方法为目的,为了提高城市货运量预测模型的预测精度,分析了GM(1,1)和Ver-hulst预测模型的特点,发现Verhulst预测模型更适用于城市货运量的预测,采用灰色Verhulst预测模型对城市货运量进行预测,通过比较GM(1,1)和Verhulst预测模型的结果可知后者具有较高的精度和可靠性,最后通过实例说明预测方法的可行性,为实际决策提供理论参考。  相似文献   

10.
铁路货运量预测是铁路运输市场分析的重要内容,对铁路货运业务的开展有着重要指导意义。铁路月度货运量数据序列是既有趋势性增长又有季节性波动特征的时间序列,Holt-Winters模型适用这类时间序列的预测。本文构建Holt-Winters乘法模型来进行铁路月度货运量预测,并以某铁路局化肥月度货运量为原始数据来做实证分析,最后与灰色模型、分组回归等传统预测模型的结果进行比较,结果显示Holt-Winters模型的预测精度最高。  相似文献   

11.
通过分析城市轨道交通客流量的时序特征和RBF神经网络的作用机理,将具有不同时序特征的数据分别用不同的神经网络进行处理,建立了基于客流时序特征的并行加权神经网络模型,并用该模型对北京市城市轨道交通各条线路的客流进行预测.结果表明,各线路客流量预测结果的平均绝对百分误差均在10%以下,小于单个神经网络的预测误差,提高了预测精度.  相似文献   

12.
分析原油价格对油轮运价指数的影响关系,并预测油轮运价指数发展变化趋势.本文通过Granger因果关联分析,原油价格是油轮运价指数的3阶Granger因.因此,建立了3阶ARCH模型对油轮运价指数进行了预测,预测精度在8%之内.根据油轮运价指数的自身非线性变化趋势,建立了三层BP神经网络模型预测油轮运价指数的发展趋势,精度在3%以内.为进一步提高模型的预测精度,结合ARCH预测模型和BP神经网络预测模型的特点,通过预测误差最小化模型,确定组合权重,建立了新的组合预测模型对未来油轮运价指数进行分析预测,模型的精度控制在2%以内,预测精度显著提高.此研究对油轮运价指数的预测提供了较好的方法.  相似文献   

13.
为了有效地进行交通货运量预测,通过对货运量影响因素的分析,建立了关于货运量影响因素的层次结构模型,并根据该模型构建基于RBF神经网络的货运量预测方法。用我国1985~2004年的货运量对该神经网络进行训练和预测,同时与BP神经网络预测方法进行比较。结果表明,该方法具有更快的运算速度和更高的精度,具有很好的预测能力和应用价值。  相似文献   

14.
针对轨道交通短时客流具有动态性、非线性、不确定性的特点,提出一种基于遗传算法与小波神经网络的轨道交通短时客流预测方法.该方法利用具有全局搜索最优的遗传算法优化小波神经网络,有效的避免了神经网络易陷入局部最小值的缺陷.在分析轨道交通短时客流的特征上,利用实测数据对模型进行验证.结果表明,相比遗传算法优化的BP神经网络模型,单一的小波神经网络模型其预测精度更高,误差更小,能在实际中应用.  相似文献   

15.
在分析货运量影响因素的基础上,利用BP神经网络建立新疆货运量时间序列预测网络结构模型.利用1995~2006年新疆货运量历史数据,对模型进行训练和拟合,再选用2007 ~2008年的历史数据作为网络模型检验样本,同时采用移动平均法、指数平滑法对新疆货运量进行预测,并对预测结果作对比分析.研究表明,采用BP神经网络预测新...  相似文献   

16.
欧阳帆 《交通标准化》2013,(12):133-136
在传统多种单项预测模型与组合预测方法的基础上,利用BP神经网络技术的非线性映射能力,在多个预测模型与实际数列之间建立一种非线性关系,对运量预测结果进行优化,以达到提高预测精度的目的.通过实例分析,表明这种经过BP神经网络优化后的预测模型,可一定程度上克服传统单个预测模型的部分局限性,提高预测精度,用于运量预测是可行的.  相似文献   

17.
采用Tekscan压力测量系统现场测试了遂宁—重庆客货共线无砟轨道钢轨支点压力, 提出了高斯函数型钢轨支点压力时程表达式, 并通过现场实测数据对其进行验证; 根据钢轨支点压力时程表达式, 采用时序式加载法对轨道结构模型施加荷载, 并将其动力响应结果分别与车辆-轨道-路基垂向耦合振动模型的计算结果和现场实测结果进行对比。研究结果表明: 现场实测客货车对钢轨支点的最大压力分别为29.91和82.49 kN, 与中国铁道科学研究院测试结果的相对误差小于20%, 故Tekscan压力测量系统可精确测试钢轨支点压力; 高斯函数拟合所得客货车对钢轨支点压力的时程曲线与实测曲线的相关系数分别为0.962 7和0.966 7, 最大压力与现场实测值的相对差异分别为5.15%和0.46%, 最小压力与现场实测值的相对差异分别为7.23%和24.11%, 故采用高斯函数能较好地模拟客货车对钢轨支点压力的时程曲线, 且货车作用下钢轨支点压力时程的模拟精度略高于客车; 基于时序式加载法的荷载激励-轨道-路基模型计算结果与车辆-轨道-路基垂向耦合振动模型计算结果和现场测试结果相比, 轨道板最大位移相对差异分别为5.41%和2.70%, 底座板最大位移相对差异分别为2.86%和5.71%, 轨道板最大加速度相对差异分别为14.00%和23.20%, 底座板最大加速度相对差异分别为13.61%和8.73%。可见, 基于时序式加载法和高斯函数型钢轨支点压力时程表达式的荷载激励-轨道-路基模型可靠, 该方法无需建立车体模型, 既能保证计算效率, 又具有很高的精度。   相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号