基于神经网络的公路建设项目评价

建设资金的制约，使得对公路建设项目的评价极为重要，本文针对建设项目的实施排序问题，提出了一种基于神经网络的求解方法，该方法结构简单，求解速度快，本文最后用实验数据验证了此方法的有效性和实用性。     

基于遗传BP神经网络的电控发动机故障诊断研究

为提高发动机故障诊断的正确率与精确度,提出遗传算法和BP神经网络相结合的故障诊断模型。将发动机部分尾气信息和传感器数据作为BP神经网络诊断模型的输入变量,利用遗传算法的全局搜索能力优化BP神经网络的初始权值和阈值,采用优化后的BP神经网络建立发动机故障的诊断模型。实验结果表明该诊断模型可提高发动机故障诊断的正确率。     

铁路客流量预测分析与研究

铁路客流量预测与分析对铁路部门采取有效的应对措施具有十分重要的意义,分别应用基本的神经网络和遗传算法优化BP神经网络对客流量进行了预测,建立铁路客流量网络预测模型.分别利用以前客流量的数据对2011年和2012年的客流量做了预测验证,并对2013年的客流量做了预测,结果表明利用遗传算法优化BP神经网络得到的预测数据和实际的基本相符,该预测算法应用到客流量的预测中效果良好,具有很好的应用和推广的前景.     

基于改进 BP 神经网络的铁路货运量预测

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。     

基于遗传-神经网络的字符识别

设计并实现了一种基于遗传一神经网络的字符识别系统．遗传一神经网络算法综合了遗传算法的全局优化和神经网络的并行计算等特点，可克服遗传算法最终进化至最优解较慢和神经网络易陷入局部解的缺陷，具有较好的全局性和收敛速度．     

铁路建设项目后评价的指标体系与方法

根据铁路建设项目的特点,提出了其后评价的理论体系,并给出了具体的评价方法。     

遗传—神经网络在交通流预测中的应用

提出一种基于BP神经网络的遗传算法,分别利用其局部和全局寻优能力强的特点,综合为一种新的优化算法,并将改进的算法应用于交通流预测中。结果表明,改进方法的预测效果优于单一使用BP神经网络进行预测的效果。     

基于遗传BP神经网络的城市物流需求量预测

结合遗传算法与BP神经网络算法预测城市物流需求量,通过算例对比证明了遗传BP神经网络算法在预测的精度与收敛速度上均优于单一算法.基于物流业的广泛性提出采用3种物流需求量作为网络的输出指标,提高了物流需求量预测的广度与可信度,并提出了一种连续预测未来数年物流需求量的方法以便于运用于实际决策之中.     

优化设计求解的遗传-神经网络新算法研究

提出并研究了一种优化设计求解的遗传神经网络新算法,该算法综合了遗传算法的全局性和神经网络的并行快速性等特点,可克服遗传算法最终进化至最优解较慢和神经网络易陷入局部解的缺陷,具有较好的全局性和收敛速度     

基于遗传BP算法的神经网络及其在模式识别中的应用

介绍了传统的遗传算法与BP算法,并分析了它们的不足.提出了一种将遗传算法和BP算法相结合的遗传BP算法,在遗传算法的群体设计中采用小生境技术,防止优秀个体早期退化.实验证明了此方法的正确性和有效性.     

����ϵ�����ڳǼʸ�������������е�Ӧ��

高速铁路为人们提供了一种高效的运输方式.本文借鉴弹性系数法的相关理论,首先运用广义费用函数测算样本中高铁开通前后两地区综合客运成本的变化,结合两地区高铁开通前后客运量的变化得到了运输成本弹性系数,用于衡量两地区对于高铁开通的迫切性程度,从而在另一个层面衡量高铁建设的可行性.然后根据运输经济学及新经济地理学的相关理论,从人口、距离、人均GDP差异、平均人均GDP和产业结构相似度5个维度对样本的运输成本弹性系数进行建模,运用神经网络的方法来拟合其对运输成本弹性系数的影响情况,并以此为依据来测算北京市和张家口市对即将开通的京张高铁的迫切性程度.     

基于BP 神经网络的铁路客运服务质量评价研究

为了客观、准确地评价铁路客运服务质量,从旅客感知角度出发,构建了评价 指标体系,建立了BP神经网络求解模型,提出了基于BP算法的铁路客运服务质量评价 算法.通过对网络的训练,使得网络输出达到了期望的精度,满足了客运服务质量评价的 要求.最后通过对铁路旅客的调查问卷实例,从均方误差、统计识别率方面进行了分析、仿 真,对客运服务质量进行综合评价,并与模糊综合评价法进行了对比.实验结果表明,本文 构建的评价指标体系科学、合理,提出的评价算法收敛速度快、误差小,评价结果能够有 效地反映客运服务质量水平,为提高和改进铁路客运服务质量提供参考依据.     

��·������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。     

基于径向基神经网络的大连站客运量预测

针对铁路客运量在时序上的复杂非线性特征,采用径向基函数(RBF)神经网络对铁路客运量时间序列进行预测.用自相关分析技术分析时间序列的延迟特性,据此确定RBF神经网络的输入、输出向量,建立了基于MATLAB7.0环境下的RBF神经网络客运量预测模型,并用大连站实际客运量数据进行了验证.结果表明,该模型拟合精度和预测精度较高、计算速度较快.     

基于径向基神经网络的大连站客运量预测

针对铁路客运量在时序上的复杂非线性特征,采用径向基函数(RBF)神经网络对铁路客运量时间序列进行预测.用自相关分析技术分析时间序列的延迟特性,据此确定RBF神经网络的输入、输出向量,建立了基于MATLAB7.0环境下的RBF神经网络客运量预测模型,并用大连站实际客运量数据进行了验证.结果表明,该模型拟合精度和预测精度较高、计算速度较快.     

中国铁路网的拓扑特性

从铁路的基础设施、停靠站点及系统换乘3个方面构建了物理网、运输网和换乘网3种网络模型,运用统计分析的方法分析了它们的拓扑特性.统计结果显示：铁路物理网的平均聚集系数近似为零,多数节点的度数为3,遭受突发事件,很容易造成不连通.铁路运输网大部分节点度数为2,平均经过12.49个车站到达目的地,铁路换乘网具有较大的平均聚集系数和较小的平均最短距离,该网络是具有无标度性质的小世界网络.文中给出了重要节点的标定方法,并运用此方法标定了中国铁路网的重要节点.在此基础上,分析了在不同攻击情况下的网络弹性,结果显示铁路换乘网对于随机攻击具有很好的容错性.     

多智能体遗传算法优化神经网络权值研究

采用多智能体遗传算法来优化神经网络权值,经过神经网络自身的训练来进一步提高精度,结果表明,本算法能以较快的收敛速度获得较高的训练精度。     

基于复杂网络的高速铁路运输服务网络重构模型

运用复杂网络理论,基于L空间构建了以列车数量、运行时间为权重的高速铁路运输服务网络(该网络中包括525个车站、2 666列列车).在此基础上,利用度、强度、介数等复杂网络评价指标对两种网络进行对比分析,明确两种网络的不同运输意义,节点在两种网络中的不同作用.然后,充分考虑高速铁路路网乘客出行特征,以城市枢纽为研究重点、以运行时间为权重重构我国高速铁路运输服务网络,对比重构前后复杂网络指标值的变化,重点分析网络重构前后的网络特征、典型枢纽的变化.最后,基于分析结果为城市枢纽的客运换乘组织和车站分工提出参考方案.