PSO-BP混合预测模型及在港口集装箱吞吐量预测中的应用

运用粒子群优化算法代替BP神经网络的初始寻优,再用BP算法对优化的网络权值参数进一步精确优化,从而建立基于粒子群优化的BP神经网络模型.运用该模型对某港口集装箱吞吐量进行预测.应用结果表明,该预测模型不仅能较好地拟合港口集装箱吞吐量的历史数据,同时对港口集装箱吞吐量的远期预测也具有较好的效果.     

基于PSO-BP算法的联盟航线市场份额预测

联盟背景下航线产品与单个航班相比,属性复杂、合作风险高。产品属性差异导致市场分担率不同,航线市场份额的精准预测是联盟合作伙伴选择与协同价值计算的基础。因此,充分利用联盟运输数据,在达美航空QSI指标基础上,加入了航线竞争程度、联盟合作关系等指标,建立了适用于联盟背景下国际航线产品市场份额预测的指标体系。考虑到影响因素与QSI值间的非线性关系,引入BP神经网络进行市场份额与影响因素的机器学习,建立了两者间的非线性映射。为防止BP神经网络陷入局部极小值,再引入粒子群算法确定神经网络初始权值,建立PSO-BP算法的QSI模型。结果表明,基于PSO-BP算法的QSI模型能更好预测国际航线市场份额,绝对误差控制在1%。     

基于神经网络的GPS高程拟合方法优选及精度分析

针对现有的几种神经网络GPS高程拟合方法,讨论了利用遗传算法(GA)、粒子群算法(PSO)优化BP神经网络权值和阀值的原理;结合分布较均匀、现势性较好的GPS和水准联测数据,试算了基于神经网络的GPS高程拟合.拟合结果表明:基于PSO算法优化的BP神经网络的拟合精度优于GA算法,误差相对更小.     

基于优化PSO-BP算法的耦合时空特征下地铁客流预测

为提高地铁客流预测的准确性,以西安地铁1号线为例,分析了地铁客流的耦合时空特征,提取了影响地铁客流变化的5个主要因素,包括节日、非节日、时间段、站点和天气,构建了反向传播(BP)神经网络,预测了地铁客流;利用引入自适应变异与均衡惯性权重的粒子群优化(PSO)算法,优化了BP神经网络,形成了考虑复杂因素影响的地铁客流预测系统;选取了换乘站、非换乘站的首站与中间站,引入天气、节日、非节日因素,对比了不同时间段下的BP神经网络模型,优化了PSO-BP神经网络模型的预测误差。研究结果表明：考虑天气、节日、非节日因素,换乘站点分时段优化PSO-BP神经网络模型预测的平均绝对误差、均方根误差和平均绝对百分比误差,较不分时段的优化PSO-BP神经网络模型分别平均下降了40.13%、31.46%和23.89%,较分时段的BP神经网络模型分别平均下降了17.50%、17.86%和17.32%;非换乘站点分时段优化PSO-BP神经网络模型预测的平均绝对误差、均方根误差和平均绝对百分比误差,较不分时段的优化PSO-BP神经网络模型分别平均下降了16.50%、20.99%和32.59%,较分时段的BP神经网络模型分别平均下降了11.48%、12.10%和17.73%;各站点分时段优化PSO-BP神经网络模型预测的平均绝对误差、均方根误差、平均绝对百分比误差,较不分时段的优化PSO-BP神经网络模型分别平均下降了24.37%、24.48%和29.69%,较分时段的BP神经网络模型分别平均下降了13.49%、14.02%和17.59%,因此,利用考虑多影响因素的优化PSO-BP神经网络模型能提高地铁客流预测的准确性。     

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.     

基于实例改进的BP算法的联合应用

BP(Back Propagation)神经网络模型是当今的科学技术领域中应用最为广泛的一种，其突出优点是具有很强的非线性映射能力以及根据具体问题灵活处理的柔性的网络结构。但是目前BP网络还存在一些缺陷，如训练时间长、易陷入局部极小等。分析BP神经网络的几种优化算法，实例证明这些优化算法的联合应用可以提高网络的性能。     

基于免疫粒子群优化算法的多约束路由选择算法

受生物体免疫系统免疫机制的启发,把免疫系统的免疫信息处理机制引入到粒子群优化算法中,设计了一个基于免疫粒子群优化算法的路由选择算法。这种免疫粒子群优化算法结合了粒子群优化算法具有的全局寻优能力和免疫系统的免疫信息处理机制,实现简单,改善了粒子群优化算法摆脱局部极值点的能力,提高了算法进化过程中的收敛速度和精度。     

基于文化粒子群网络优化算法的医学图像研究

文章提出了基于文化粒子群的网络优化算法的医学图像方法,通过在50例唇裂矫正术中运用BP神经网络进行学习．对唇部进行解剖观察和美学分析,在矫正修复手术中不断学习和调整来接近期望输出,并通过实验仿真及客观的图像提出了评估准则。实验结果表明,在美学研究基础上的基于文化粒子群BP神经网络的医学图像研究,适用于唇裂的矫正修复。     

基于灰色PSO-BP的客运量预测模型

在灰色预测模型、BF神经网络与粒子群优化算法PSO的基础上建立基于灰色PSO-BP的公路客运量预测模型。并根据陕西省近10 a的公路客运量数据,对GM(1,1)、BP神经网络、灰色PSO-BP网络预测模型的预测结果进行比较,得出基于灰色PSO-BP的客运量预测模型能充分发挥各种算法的优势、提高预测精度,更适合运用在公路客运量预测的领域中。     

一种符合二部图的船舶运输神经网络算法

运用神经网络优化算法,对一种符合二部图最大权匹配的船舶运输线路进行了优化计算,仿真计算表明其结果是正确的,为船务公司的生产决策提供了定量依据,此算法表明,基于神经网络的优化方法对于航运管理优化问题是可行的。     

铁路客运站地区的城市交通衔接研究

本文针对铁路客运站地区城市交通换乘的问题,分析了北京站地区交通衔接的现状,指出存在的主要问题是换乘地铁走行距离过长、公交车站设计不合理和站前广场人流车流混杂。参照国外建设立体综合枢纽的成功经验,结合实例,从车站的平立面设计、站前广场设计、与轨道交通的换乘设计以及运营管理等方面提出了改善我国铁路客运站地区交通衔接的基本思路,结合当今社会经济情况,对北京站作出了一些小方面的调整建议,最后,提出了新建同类型车站的设计方案．     

高速铁路车站旅客交通特性研究

对高速铁路车站——大连北站的旅客流数据进行了视频采集和分析,建立了不同设施的旅客流参数关系曲线和函数模型.研究结果表明,旅客速度服从正态分布;旅客流量与密度、速度与流量呈二次函数关系;水平通道处的速度与密度呈线性关系,楼梯处的速度与密度表现出相似的特征,但关系曲线为指数方程.     

基于VISSIM的安德门站交叉口交通组织优化

针对地铁站点周边交叉口道路出现的交通拥挤现象,以南京地铁安德门站为例,应用VISSIM仿真模型,分析站点周边交叉口道路行程时间、平均延误、排队长度、停车次数、通行能力等指标,探讨交通组织优化方法,可为提高道路交叉口通行能力提供借鉴。     

基于BP神经网络的运量预测模型优化研究

在传统多种单项预测模型与组合预测方法的基础上,利用BP神经网络技术的非线性映射能力,在多个预测模型与实际数列之间建立一种非线性关系,对运量预测结果进行优化,以达到提高预测精度的目的.通过实例分析,表明这种经过BP神经网络优化后的预测模型,可一定程度上克服传统单个预测模型的部分局限性,提高预测精度,用于运量预测是可行的.     

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。     

基于自适应粒子群优化算法的交通量短时预测模型

在考虑交通量短时变化的时空特性和波动性基础上,建立了非线性交通量短时预测模型.根据我国城市道路交通流非线性、时变性、随机性等特点,提出自适应粒子群优化算法对非线性交通量短时预测模型进行在线修正.该自适应粒子群优化算法采用两步优化策略,对算法参数进行调整,避免算法早熟收敛,有效提高了算法的运算精度和效率.利用城市道路的实测数据,通过Mat-lab软件工具箱对该模型进行计算机仿真验证.     

One-Way Traffic Organization Based on Traffic Load and Road Equity

To improve the utilization of branch roads and alleviate traffic congestions on arterial roads, the optimization approach of one-way traffic organization is proposed from the view of traffic load and road equity. The bi-level programming model is established with the objectives of the portion that road saturation exceeds anticipant saturation and vehicle detour index. The upper model is to obtain the minimum value of objectives by optimizing one-way traffic, and the lower one adopts the equilibrium model to distribute traffic flow. Then, the simulated annealing algorithm is designed to solve the bi-level model. At each iteration step, one of the branch road sections with high load is selected for lane reversal. The numerical result shows that one-way traffic organization can reduce the over-saturation portion of road section, however, with the increase of detour index proportion, the potential of reduced degree decreases gradually.     

���ڵ�·�����빫ƽ�Եĵ���ͨ��֯�Ż�

为了提高支路的利用率以缓解城市主干道的拥堵,本文从道路负荷与公平性的角度出发,确定单向交通组织优化方法. 建立了以路段饱和度超限量和车辆绕行系数最小化为目标的双层规划模型,其中上层模型通过优化支路的单向方案以使目标值最小,下层模型按照用户均衡分配准则进行配流. 进而设计了求解模型的模拟退火算法,在算法每一步迭代时,从当前达到一定拥堵程度的支路路段集中选择其一调整单向组织方案. 算例结果表明,单向交通组织可以降低路段饱和度超限量,缓解干道路段的拥堵,但随着绕行系数比重的增大,路段饱和度超限量的优化能力逐渐减弱.     

基于道路负荷与公平性的单向交通组织优化

为了提高支路的利用率以缓解城市主干道的拥堵,本文从道路负荷与公平性的角度出发,确定单向交通组织优化方法. 建立了以路段饱和度超限量和车辆绕行系数最小化为目标的双层规划模型,其中上层模型通过优化支路的单向方案以使目标值最小,下层模型按照用户均衡分配准则进行配流. 进而设计了求解模型的模拟退火算法,在算法每一步迭代时,从当前达到一定拥堵程度的支路路段集中选择其一调整单向组织方案. 算例结果表明,单向交通组织可以降低路段饱和度超限量,缓解干道路段的拥堵,但随着绕行系数比重的增大,路段饱和度超限量的优化能力逐渐减弱.