基于小波神经网络的出租车保有量预测模型

为了提高出租车保有量的预测精度,利用小波神经网络逼近出租车保有量与其影响因素之间的非线性特性,并建立影响因素的预测模型,然后,将影响因素的预测值输入出租车保有量预测模型便实现了出租车保有量的预测.利用某市2000-2009年的出租车保有量及影响因素数据进行仿真预测,结果表明,相对于传统的BP神经网络,基于小波神经网络的出租车保有量预测模型具有更高的预测精度,该市2010-2012年的出租车保有量应分别达到9020、9 350、9 560 veh,才能保证平均候车时间在4 min左右.     

基于多相关因素的汽车保有量预测神经网络方法

将神经网络技术用于汽车保有量预测，建立基于双BP神经网络的多相关因素汽车保有量预测模型。以呼和浩特市汽车保有量预测为例，详细介绍汽车保有量神经网络预测模型的操作过程，并证实了该方法的可行性和可靠性。     

基于神经网络的中国汽车保有量建模与预测

利用改进的BP神经网络对中国2000年，2005年，2010年的汽车保有量进行预测，并与灰色预测的结果进行对比，结果表明，由于神经网络具有很强的学习与泛化能力，因此在处理具有一定程度不确定性的非线性系统的建模与预测方面，神经网络有很好的应用价值。     

基于神经网络的我国汽车保有量建模与预测

利用改进ＢＰ神经网络对我国２０００年、２００５年、２０１０年的汽车保有量进行预测，并与灰色预测的结果进行对比，结果表明，结果表明，由于神经网络具有有很强的学习与活化能力，在处理具有一定程度不确定的非线性系统的建模与预测方面有较好的应用价值。     

汽车保有量与年产量的神经网络预测研究

采用神经网络建立汽车保有量与年产量时间序列的预测模型，并对我国未来几年的汽车保有量和年产量进行预测，其中包括民用汽车拥有量、私人汽车拥有量和汽车产量等，取得了较为满意的预测结果，对预测结果进行分析，指出了我国汽车保有量与产量今后发展的特点和趋势。     

基于BP神经网络的短时交通流预测

对比分析短时交通流预测模型,对BP神经网络预测算法的原理进行分析说明,用BP神经网络建立短时交通流预测模型,利用华南快速路的实测交通流数据来验证模型的可行性。     

基于BP神经网络隧道施工岩爆预测研究

通过综合分析和对以往岩爆判据的研究,将影响岩爆的因素分为三类:围岩岩性、初始地应力、开挖扰动。选取能反映以上三类岩爆因素的4种指标作为岩爆的预测参数,实现了岩爆的多因素预测:利用BP神经网络方法对信息进行大规模处理的能力及很强的鲁棒性和容错性,解决隧道岩爆及其多种影响因素之间关系复杂难以表达、各因素权重的分配不合理问题,实现了根据先验岩爆案例预测未来岩爆情况的目的。在预测模型计算方法的实现上,利用已相当完善的数学软件——Matlab及其神经网络工具箱。计算结果与施工实践对比表明:用该方法及模型进行岩爆预测是可行有效的。     

灰色系统用于汽车保有量与年产量的预测研究

分析了灰色系统的方法用来预测的特点，采用ＧＭ（１，１）方法分别对我国未来若干年的汽车保有量和年产量进行预测，其中包括民用汽车用量，私人汽车量和汽车产量等，取得了好的预防测效果。对预测结果进行分析，指出了我国的汽车保有量和产量今后发展的特点和趋势。     

BP神经网络主成分分析法在汽车保有量预测中的应用

针对影响汽车保有量预测的多个因素,采用主成分分析的方法提炼出较少的与线性无关的主要因素,并根据这些因素,利用BP神经网络方法对汽车保有量进行了预测,最后通过实例, 将BP神经网络主成分分析法计算结果和非线性模拟与全要素BP神经网络模拟结果进行比较,得知BP神经网络主成分分析法在运算效率、运算精度上较优.     

基于BP神经网络的公路规费征收量预测方法

文中简要地介绍了人工神经网络方法，并将其应用于公路规费征收量的预测，最后通过实例说明了该模型的应用。     

基于BP神经网络的交通事故预测模型

交通事故预测对于分析现有道路交通条件下交通事故的未来发展趋势及其预防具有重要意义。在进行交通事故统计的基础上，运用BP神经网络理论，建立交通事故预测模型。计算结果表明，该模型较传统方法精度高，可用于交通事故预测。     

基于BP神经网络的交通事故预测模型及仿真

交通事故的发生,受人、车、路、环境、管理等多方面因素的影响,存在很大的不确定性。利用BP神经网络,建立交通事故预测模型,并用Matlab仿真,验证模型的精确性。     

基于类比分析的深圳市特区外出租车需求量预测

城市出租车需求来源于社会活动的需要,深圳特区外出租车的需求受到该地区经济发展水平、人口数量、土地规模、运输价格等多种因素的影响。文中介绍了城市出租车类比分析的原理和方法,并建立了城市出租车类比分析预测模型,通过运用类比城市实际的数据,预测了深圳市特区外出租车的目前和远景需求量。     

公路客运量预测的神经网络组合模型

针对公路客运量预测的问题,基于常用预测方法的研究,提出BP神经网络组合预测模型.结合河南省客运量运输情况,对组合预测模型进行了验证.实验结果表明,该方法对公路客运量的预测很有效.     

BP神经网络在土工合成材料蠕变预测中的应用研究

通过对目前广泛应用于加筋土工程的土工合成材料-CE131土工网、SDL25土工格栅进行不同应力水平作用下的长期荷载蠕变试验，获得大量的实验数据。在此基础上，运用最小二乘和BP神经网络对其蠕变量进行预测。最小二乘原理是在曲线族中寻找一曲线去拟合实验数据，从得到的误差平方和σ=0．00116来看，其拟合精度较高。BP神经网络具有白适应学习和记忆能力，尤其是三层BP神经网络模型，所得预测值与实际值误差最大为0．91％，较最小二乘3．4％的误差改善了许多，该法为蠕变预测找到了一条新的途径。     

基于BP神经网络模型预测区域需水量

水资源短缺制约了区域经济的发展,成为其发展"瓶颈",对区域需水量进行预测提高了水资源的利用效率,对缓解水资源供需不平衡现象起到了显著的作用。该文应用BP神经网络对区域各部门需水量进行了预测,经实例验证不但精度可靠,而且可综合考虑各部门需水量的影响因素,对区域生态环境需水量也进行预测,这对改善生态环境,提高生活质量可起到重要作用。     

基于改进的灰色BP神经网络的区域物流成本预测

区域物流成本的测量与分析是考察一个地区物流水平的关键问题,合理地计算和预测物流成本可以使各级政府对物流发展采取有效的宏观调控措施。本文提出了适合中国地区的物流成本的较合理的测算方法,以吉林省为例进行了实证分析,并采用改进的灰色BP神经网络模型对吉林省的物流成本进行预测,取得了满意的预测结果。研究表明控制物流成本仍然是振兴区域经济,提高经济效益的源泉。     

基于出租车运行信息的城市出租车运量投放计划模型

为了提高出租车运量投放的科学性,基于出租车运行参数（包括出租车平均营运收入、空驶率、平均出行距离、平均行驶速度、平均工作时间以及其他城市环境估计参数）提出了出租车运量投放计划模型,并使用出租车营运收入对模型进行了约束。利用该模型,基于某市2010年的出租车运行数据,对该市2015年的出租车运量投放进行预测。结果表明：到2015年该市需要逐步增加5000veh左右的出租车;2010年底该市增加的1 000veh出租车缓解了部分出行压力,空驶率由0.177增加到0.198;出租车运量增加后营运收入仍略有上升,验证了模型的有效性。     

快速二阶BP神经网络在公路交通量预测中的应用

在二阶BP神经网络基础上加以改进，提出一种快速二阶BP神经网络，并将把该方法成功地用于公路交通量的预测中，通过与其它方法的比较分析，得出快速二阶BP神经网络预测方法加快了收敛速度，提高了结果的准确度，为科学地预测公路交通量提供了有力依据。     

基于Richards-BP模型的地表沉降特征预测模型研究

地下开采引起的地表沉降大致呈S形发展,最终趋于稳定状态,这能够运用生长曲线Richards函数进行预测分析。同时,又因为测量和外界存在不确定性和随机性,使得地表沉降也具有动态的特征。针对地下岩矿开采矿区地表沉降曲线与Richards预测模型曲线的相似性,分析了Richards模型在地表沉降预测中的适用性,提出通过Richards生长曲线模型预测矿区地表沉降的趋势性变形部分,利用BP神经网络模型降低地表沉降的随机性影响部分,提高模型预测效果。计算结果证明了其在地表沉降预测中的适用性和可行性。