共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
3.
交通出行生成模型作为“四阶段法”出行的第一步,出行模型的精度将直接影响了整个四阶段法模型的结果;现行的居民出行生成预测模型主要有生成率法、交叉分类法、回归分析等。但是这些方法都没有从根本考虑到各种影响出行生成的变量之间的相互影响关系,而这种变量之间的相互关系往往会直接影响居民的出行特征,同时,常用的回归分析法中,由于最小二乘法的局限,往往会丢失变量或者出现负变量,而这些变量在交通出行中明显会产生出行量,这就和实际的交通出行特征有了背离。本文提出了在回归分析法之前首先采用主成分分析法来确定各影响变量之间的关系,确定主成分方程,进而在根据主成分方程和调查数据之间的回归分析来构建出行生成模型。通过这样的方法来有效的保护变量的非负性和体现变量之间相互关系对出行生成的影响。 相似文献
4.
鲁明 《湖北汽车工业学院学报》2019,33(4)
针对污水处理系统的非线性、强耦性,结合主成分分析(PCA)、遗传算法(GA)和BP神经网络,提出了改进阈值参数的模型。以某污水处理厂月数据为例,利用PCA选取主参数的变化因子作为BP神经网络的输入,运用GA优化BP神经网络的权值预测BOD值,并与无优化BP网络的预测结果进行比较。结果表明:新模型对污水处理的预测平均误差为10~12,最大相对误差为1.7%,预测精度高,收敛速度快。 相似文献
5.
6.
7.
8.
9.
《湖北汽车工业学院学报》2016,(2)
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。 相似文献
10.
根据FCD(Floating Car Data浮动车数据)的特点建立基于FCD旅行时间估计的Kalman滤波模型以及BP神经网络模型,运用上述两种模型进行路段旅行时间短时预测,路段平均旅行时间为输入变量,输出预测路段的旅行时间,并用实测数据进行分析验证.结果表明,针对路段短时旅行时间估计,Kalman滤波模型方法的预测精度要优于BP神经网络方法. 相似文献