基于内在因素提取的内河航运量神经网络预测方法

内河航运量预测是内河航道网规划的依据,利用主成分分析法提取影响内河航运量的内在因素,利用内在影响因素与内河航运量之间的联系,结合BP神经网络建立模型对内河航运量进行预测。算例表明,该模型可以提高预测精度。     

基于神经网络的静态交通发生率预测方法

静态交通发生率模型是停车需求预测中较为常用的一种方法,但是,关键指标——静态交通发生率一般难以确定,尤其是它的未来年值;而静态交通发生率的大小又受到多种因素的影响,为了实现对其未来年值的预测,本文分析了影响静态交通发生率的主要因素,采用了具有处理“灰色”、复杂问题的有力工具——神经网络BP算法,提出了以国民生产总值、机动车保有量、用地类型、城市人口和城市面积为输入层节点,静态交通发生率为输出节点的BP计算模型;最后,选用四个城市的停车调查数据来进行神经网络训练、预测。训练模拟结果良好,表明该方法能够比较成功地应用于静态交通发生率的预测。     

基于城市交通网络设施容量的土地利用规划方法

以分析城市土地利用规划,特别是片区的土地开发与城市交通网络设施容量的适应性为目的,针对城市交通系统对引导城市开发的作用,提出了一种基于城市交通网络设施容量的城市土地开发利用的规划方法.同时,提出了交通规划软件(TransCAD)仿真实现流程,分析各阶段城市土地利用规划与交通网络规划的互动结果,实现交通引导城市发展作用.最后,该方法应用于长沙市大河西先导区洋湖垸片区城市规划与设计,得到了很好的实践.     

基于人工神经网络的快速路入口匝道流量预测

已有快速路入口匝道控制手段是以定时控制方法为主,虽然存在动态调整等方法,但缺乏预测机制,这主要是由于车流的动态性和随机性而难以进行定量分析,引入人工神经网络可对车流进行动态预测。分析了影响主线交通量的与匝道相关的因素,并在此基础上建立了神经网络预测模型,通过上海典型匝道（延安路-江苏路）一组实测数据对网络进行训练和预测,得到了满意的效果。     

基于PSO的神经网络优化证券投资组合方法研究

针对传统人工神经网络中的BP(back propagation)神经网络自身局限以及其迭代次数多、收敛精度不高和泛化性差等缺点,提出了一种基于粒子群(particle swarm optimizer,PSO)算法的BP神经网络优化证券投资组合方法.在BP神经网络优化方法中,采用PSO算法替代了BP神经网络的梯度下降法,得到最优解,从而对BP神经网络模型进行优化.将该方法应用于证券投资组合的优化中,实验结果证明:该优化方法优于传统的BP神经网络优化方法.     

基于BP神经网络的CBR预测方法研究

CBR值是表征路基填料强度的重要指标,其值测量的精确性和快速性,对于准确判断路基质量的好坏具有重要意义。现行土基现场CBR值试验存在离散性大,操作繁琐,耗时长等缺点,亟需寻找更加精确快捷的路基CBR值快速确定方法。BP神经网络可描述多个影响因素的内在非线性规律,可充分模拟CBR值受多因素交互作用的影响。因此,以Matlab为平台建立预测模型,探讨并研究BP神经网络模型下路基CBR值的快速预测方法 。     

基于BP神经网络分析事故对路段通行能力的影响

以发生交通事故的人、机、环境等多方面采集的调查数据为基础,解析突发性交通状态局部演变过程,并总结事发点通行能力的7类主要影响因素和3类评价指标。采用SPSS主成分分析与BP神经网络相结合的方法,对调查数据进行降维,并在保证数据丢失最小原则下,将七类影响因素提取为五类,简化神经网络拓扑结构,提高建模质量,通过BP神经网络模型调整离散输入量,以预测的评估值与实际评估值的误差最小为学习训练目标,求解最佳的连接强度权值与偏置值,得出事故因素与通行能力的定量关系。     

用改进的前向神经网络预测铁路货运量

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。     

基于混沌-小波神经网络的公交客流量预测模型研究

为提高公交客流量预测的精确度,将混沌理论和小波神经网络方法相结合应用于公交客流量预测。分别采用自相关法、伪最近邻域法计算公交客流量时间序列的时间延迟、嵌入维数,采用小数据量法计算其最大李雅普诺夫指数,证实该时间序列具有混沌特性。据此建立混沌-小波神经网络预测模型,进而对H省某市实际公交客流量进行预测。实验结果表明,相比于传统的BP神经网络预测法、LIBSVM预测法,该方法在均方误差(MSE)、平均绝对误差(MAE)、平均相对误差(MRE)上均具有更小的预测误差,因而可以有效地预测公交客流量。     

基于BP神经网络的综合运输网客流量分析模型研究

交通方式的各属性对旅客的出行效用都有不同程度的影响,并且它们之间存在着复杂的非线性关系．难以确定具体的解析表达式。在综合分析运输体系中多种交通运输方式及出行者交通选择行为的基础上,将BP神经网络理论和随机理论应用于城市间多种运输方式的客流量分配问题,从而构造出相应的数学分析模型,实例验证该模型具有良好的可行性和有效性。     

原油常压蒸馏过程的人工神经网络建模方法

基于神经网络的函数逼近理论以及多层前馈网络对非线性现象的强有力刻画与建模能力，对原油常压蒸馏塔侧线抽出馏份进行了神经网络建模，并用GA－BP算法对所建网络模型进行学习和检验，获得了较为满意的结果，探索了用人工神经网络方法建立油品质量估计模型的现实性与可行性。