BP神经网络在城市消费预测中的应用

针对城市消费预测问题,应用一种改进的BP算法,建立了相应的BP网络模型,并设计了基于BP神经网络的城市消费预测系统.应用实例证明:该算法可以提高当前的预测精度,是一种较为有效的预测方法.     

BP神经网络在城市消费预测中的应用

针对城市消费预测问题,应用一种改进的BP算法,建立了相应的BP网络模型,并设计了基于BP神经网络的城市消费预测系统.应用实例证明:该算法可以提高当前的预测精度,是一种较为有效的预测方法.     

浅析当代大学生消费行为

当前高校大学生的的消费观念日趋多元化,他们具有独特的思想、开放的心态、张扬的个性等新特点给高校校园带来了新气象,注入了新活力。这给高校带来了新的研究课题。本文通过对大学生的消费现象来分析其消费行为存在的问题,并对大学生如何建立健康的消费观提出几点建议。     

基于参数自校正AR模型的网络时延估计

针对网络随机时延这一问题,提出了参数自校正AR模型的网络时延估计算法,并对其进行预测.首先兼顾预估精度和算法实时性的原则确定了模型的参数,建立了网络时延的AR模型;在此基础上,通过LMS算法对时延进行在线预测,并根据新的时延值在线调整模型的参数;通过仿真结果验证了该算法具有很好的预测精度和实时性,具有一定的应用价值.     

基于CORPS模式的高校绩效评价再研究

对《中国高等学校绩效评价报告》的投入一产出模型进行再研究,构建基于CORPS模式的高校绩效评价PCA／DEA模型体系。首先,围绕决策核心建立CORPS五项要素的高校绩效评价指标体系。然后,应用主成份分析将投入和产出指标进行简化,代入数据包络分析模型计算各决策单元的相对效率值。最后,通过PCA／DEA排名对高校的改进措施和努力方向做了初步探讨。     

多中心共同配送与收集网络联盟优化问题研究

针对多中心共同配送与收集网络中物流合作联盟构建和收益分配机制设计方面存在的不足,提出了多中心共同配送与收集网络联盟优化策略.首先,建立了网络运营总成本最小和配送与收集车辆使用数量最少的双目标优化模型.其次,提出了结合k-means聚类算法和Im-NSGA-Ⅱ算法的混合启发式算法求解模型,该混合算法通过引入贪婪求解思想和精英保留策略,提高了算法的全局收敛性能和局部寻优能力,并与NSGA-Ⅱ和MOGA算法进行对比分析,验证了所提算法的有效性.然后,运用最小费用剩余节约方法(MCRS)研究多中心共同配送与收集网络联盟的收益分配问题,并讨论合作联盟序列选择和联盟稳定性.最后,通过实例对提出的优化模型和算法进行验证.结果 表明,该方法能够优化多中心共同配送与收集网络资源配置,降低网络运营成本,为多级共同配送与收集网络优化提供参考和方法借鉴,并为可持续的城市物流网络规划和共享物流合作联盟构建提供决策支持.     

基于改进BP算法神经网络的路况评价模型研究

通过利用在BP神经网络中增加反馈信号及偏差单元的网络模型,生成内部回归网络,对BP神经网络进行改进,据此得出改进的BP神经网络的具体步骤.在此基础上,结合陕西省高速公路沥青路面的实际情况建立了路况评价模型,并对该模型的具体应用做了研究.研究结果表明:网络的收敛速度很好,训练结果与实际路况结果相差很小,利用改进BP算法神经网络建立的路况评价模型不仅方便易用,而且精度很高.     

基于改进BP算法神经网络的路况评价模型研究

通过利用在BP神经网络中增加反馈信号及偏差单元的网络模型,生成内部回归网络,对BP神经网络进行改进,据此得出改进的BP神经网络的具体步骤.在此基础上,结合陕西省高速公路沥青路面的实际情况建立了路况评价模型,并对该模型的具体应用做了研究.研究结果表明:网络的收敛速度很好,训练结果与实际路况结果相差很小,利用改进BP算法神经网络建立的路况评价模型不仅方便易用,而且精度很高.     

考虑航速优化的班轮航线网络设计

航速大小对于班轮的航线设计、配船类型和数量,以及货物的选择都会产生影响,本研究将航速作为变量,以总利润最大为目标,建立了班轮航线网络设计的非线性混合整数规划模型.根据模型的特点,提出一种基于变动需求的启发式算法,将模型进行分解和转化.通过算例的计算及与其他方法的对比表明,本研究方法能得到更优的航线网络.另外,当市场需求、运价和燃油价格等因素变化时,采用本研究的模型和算法,能对航线网络进行更有效地调整.     

面向首都大学生的定制公交线路规划模型及算法研究

为满足首都大学生出行需求,提出专门针对该群体的定制公交线路规划模型及算法.首先通过调查数据,分析大学生出行行为与定制公交的联系,然后研究多起点单目的地模式的定制公交站点和线路规划问题,构建高校线路规划模型,结合改进的蚁群算法求解,最后以小程序功能界面作为成果应用展示.现有的定制公交研究往往针对所有人群,需求分布不集中,...     

危险品运输的集中管理模型

在定义危险品运输风险的基础上,建立了由政府集中管理的危险品运输网络优化模型,模型以政府最小化网络总风险为目标函数,同时政府从运输者角度出发,约束网络中的总出行时间不超过一定的范围,并针对建立的模型采用了相应的粒子群算法进行求解.最后应用算例分析了模型和算法的有效性.     

单线圈检测器速度估计的贝叶斯网络模型

实时精确的车流速度对于交通管理系统来说是至关重要的. 然而,最普遍的单线圈检测器却不能输出速度参数. 本文提出了一种新的单线圈检测器速度估计的贝叶斯网络方法. 在分析流量及时间占有率与速度之间的因果关系基础上,通过单线圈检测输出采样间隔内的流量和时间占用率数据,建立了速度估计的贝叶斯网络模型,采用高斯混合分布函数和EM算法进行模型表达及参数训练. 通过北京快速路实地数据对算法进行了验证,结果表明算法不同采样间隔、不同车道及不同交通状态下均具有较强的鲁棒性,与传统算法相比平均绝对误差减少2 km／h左右. 这一方法可以应用于交通管理系统速度的估计.     

经济圈公路网络布局优化模型研究

针对经济圈公路网络布局特点,建立一种基于遗传-模拟退火混合优化策略算法的经济圈公路网多目标双层布局优化模型,并采用MATLB开发了相应的算法程序进行求解,该算法尤其适合求解大规模网络优化问题.最后以长三角经济圈简化公路网络做实例验证分析,结果表明建立的模型和提出的解法效果良好,具有可行性.     

����Ȧ������ٶȹ��Ƶı�Ҷ˹����ģ��

实时精确的车流速度对于交通管理系统来说是至关重要的. 然而,最普遍的单线圈检测器却不能输出速度参数. 本文提出了一种新的单线圈检测器速度估计的贝叶斯网络方法. 在分析流量及时间占有率与速度之间的因果关系基础上,通过单线圈检测输出采样间隔内的流量和时间占用率数据,建立了速度估计的贝叶斯网络模型,采用高斯混合分布函数和EM算法进行模型表达及参数训练. 通过北京快速路实地数据对算法进行了验证,结果表明算法不同采样间隔、不同车道及不同交通状态下均具有较强的鲁棒性,与传统算法相比平均绝对误差减少2 km／h左右. 这一方法可以应用于交通管理系统速度的估计.     

类BP神经网络的公交一卡通跨区消费推算模型

结合BP神经网络的建模方法,首次提出跨区消费分布矩阵的推算模型,并根据实际应用情况来设置误差阀值和学习率等关键参数,通过训练实际一卡通消费数据,得到跨区消费分布矩阵,实际输出数据误差在允许的范围内.实验表明该模型适用于跨区消费分布情况的预测,可为省域公交一卡通提供重要的决策支撑数据.     

基于可变公交发车频率的城市拥挤道路收费定价优化

考虑城市路网中不同出行方式车流之间相互影响,通过对私家车实行拥挤道路使用收费和增加公交发车频率之间的相互制约关系分析,提出了基于可变公交发车频率的城市拥挤道路收费定价的优化问题. 在分析确定路网上公交车和私家车出行方式的广义出行成本的基础上建立了该问题的双层规划模型,其中上层规划以路网上的出行者消费盈余最大为优化目标,下层规划为弹性需求下的组合出行网络用户平衡模型;并设计了基于模拟退火算法求解的优化算法. 算例分析表明,基于可变公交发车频率的城市拥挤道路收费定价模型和算法能够更有效地解决道路拥挤问题.     

基于综合矩阵的城市公交网络模型的公交换乘研究及算法实现

提出建立基于综合矩阵的城市公交网络模型。该模型以城市道路网络为基础,并结合了现有公交网络。运用建立的综合矩阵模型结合布尔算法原理提出了改进的布尔算法,并成功应用于城市公交换乘求解,运用该方法在站点客流量约束条件下进行求解,最后对建立的模型进行了示例验证。     

���ڿɱ乫������Ƶ�ʵij���ӵ����·�շѶ����Ż�

考虑城市路网中不同出行方式车流之间相互影响,通过对私家车实行拥挤道路使用收费和增加公交发车频率之间的相互制约关系分析,提出了基于可变公交发车频率的城市拥挤道路收费定价的优化问题. 在分析确定路网上公交车和私家车出行方式的广义出行成本的基础上建立了该问题的双层规划模型,其中上层规划以路网上的出行者消费盈余最大为优化目标,下层规划为弹性需求下的组合出行网络用户平衡模型;并设计了基于模拟退火算法求解的优化算法. 算例分析表明,基于可变公交发车频率的城市拥挤道路收费定价模型和算法能够更有效地解决道路拥挤问题.     

综合运输旅客换乘网络优化模型

为了解决旅客换乘过程中多种运输方式的协调问题,根据客运换乘网络的特点及结构,以旅客旅行时间最短和总出行费用最小为优化目标,建立了综合客运换乘网络优化模型.通过加权求和,将多目标函数转化为单目标函数,给出了用遗传算法求解的步骤,并用算例进行了验算.结果表明:本文建立的模型可行,算法有效.     

基于参数修正灰色模型的时延估计

针对网络时延的估计问题,提出了基于参数修正灰色模型的时延预测方法.首先,建立传统灰色时延预测模型,将网络时延看成是一个非平稳的随机时间序列;通过传统灰色预测方法对参数α和u进行计算,并依据修正方法在线调整两个模型参数,进而通过修正处理的参数重新建立灰色预测模型,来提高时延的预测精度.仿真结果表明了该算法具有很好的预测精度和实时性.