SOM网络在铁路危险货物专用线风险评价中的应用

为合理确定铁路危险货物专用线的风险水平,提出了一种基于神经网络技术的风险评价模型.根据铁路危险货物专用线运营的特点及国家相关标准的要求,比较全面、系统地构建了铁路危险货物专用线及附属设施风险评价指标体系.为了弥补现有铁路危险货物专用线定量风险评价方法的不足,提出了基于自组织特征映射(SOM)网络的铁路危险货物专用线风险评价模型,并将训练后的模型应用于中石油某线路的风险评价,确定了该线路的风险等级.实例计算表明,该模型假设合理,计算结果符合实际情况.     

基于组合方法的轨道不平顺预测

准确把握轨道不平顺的变化规律,对于科学制定铁路养护及大修计划具有重要意义。对此,提出了一种基于灰色模型与神经网络的轨道不平顺组合预测算法,先用传统灰色预测模型对轨道不平顺数据进行初步预测,然后用BP神经网络对初步预测值进行修正。结果表明,该预测算法与实际轨道不平顺的平均误差可控制在5%以内,预测精度高于单一算法,可应用于铁路养护工作中广泛存在的轨道不平顺趋势分析问题。     

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.     

��·������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AHP-FUZZY方法的铁路易燃易爆危险物品装卸专用线安全评价

鉴于易燃易爆事故多发生在物品在专用线的装卸阶段,为了更加有效的对铁路易燃易爆物品专用线的运输进行管理,针对铁路易燃易爆物品装卸专用线安全状况的多层次非线性结构,建立了该类专用线的AHP-FUZZY评价模型,对该评价模型进行了验证,从而为该类专用线的评价提供了一种有效的评价方法.     

基于AHP-FUZZY方法的铁路易燃易爆危险物品装卸专用线安全评价

鉴于易燃易爆事故多发生在物品在专用线的装卸阶段,为了更加有效的对铁路易燃易爆物品专用线的运输进行管理,针对铁路易燃易爆物品装卸专用线安全状况的多层次非线性结构,建立了该类专用线的AHP-FUZZY评价模型,对该评价模型进行了验证,从而为该类专用线的评价提供了一种有效的评价方法.     

基于改进Logistic-SSA-BP神经网络的地铁短时客流预测研究

地铁客流的变化规律存在着一定周期性和潮汐性,针对地铁客流的预测有助于提高城市轨道系统的运营效率,实现轨道交通智慧化运营。为提高地铁短时客流预测结果的准确度,提出了一种基于Logistic混沌映射麻雀算法(Logistic-SSA)优化BP神经网络的地铁客流短时预测模型。该模型通过Logistic混沌映射初始化麻雀算法种群,再利用改进后的麻雀算法优化BP神经网络,达到提高BP神经网络的全局搜索能力和收敛效率;以深圳地铁西乡站进、出站AFC刷卡数据为例,利用构建的预测模型开展客流预测实验,并通过3种准确性评价指标(MAE、RMSE、MAPE),评价改进前后模型预测的准确性。研究结果表明：改进的Logistic-SSA-BP预测模型平均绝对百分误差分别为14.96%和13.73%;与传统BP预测模型相比,其客流预测结果具有更高的准确性。     

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.     

油库铁路专用线及附属设施安全评价

根据安全系统工程理论,结合油库铁路装卸作业的特点,建立了油库铁路专用线及附属设施安全评价指标体系.并在此基础上将支持向量机(SVM)应用到安全评价模型中, 实现对四种安全状态智能评判.此评价模型可为油库铁路专用线及附属设施安全管理、科学决策,以及安全评价机构的科学合理、定性定量的安全评价提供更为有效的途径和方法.     

BP神经网络在防城港货物吞吐量预测中的应用

使用基于时间序列的BP神经网络模型对防城港货物吞吐量进行预测,详细介绍了BP神经网络建模原理和预测实施方法,对预测结果进行了分析。提出了使用基于时间序列的BP神经网络模型时的注意事项。     

���л�·��ͨ��ʵʱ����Ԥ��ʵ��ģ��

基于BP神经网络和RBF神经网络构建了城市环路交通流动态实时预测模型，并对北京市三环路的实测交通流数据进行了预测分析。实证结果表明，该模型具有较高的精确度，算法的动态实时性也满足实际预测系统的要求，具有较好的实用性。     

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.     

基于小波神经网络的路段短时交通流预测

应用BP神经网络来对路段短时交通流进行预测,预测精度和收敛速度都不是很理想,为了克服BP神经网络自身存在的非线性逼近缺陷,依据小波的时频域特征,将小波变换和BP神经网络结合起来,提出一种基于小波神经网络的短时交通流预测方法,给出了具体的网络学习算法,并结合实地调查数据进行了对比测试,分析结果证明了小波神经网络模型对短时交通流预测的有效性．     

道路交通事故宏观预测模型

道路交通安全已成为全社会普遍关注的问题,为了对中国未来的交通安全形势作出科学准确的预测,分析了中国道路安全状况的评价指标和主要影响因素,以交通事故死亡人数作为评价指标（输出变量）,以机动车保有量、公路里程、人均GDP为输入变量（影响因素）,建立了基于遗传算法的神经网络道路交通事故宏观预测模型和BP神经网络预测模型．模型的训练利用1978～1998年的道路交通事故数据为样本;模型的检验利用1999～2004年的道路交通事故数据进行检验．模型对未来年份的死亡人数进行了预测．预测结果表明：基于遗传算法的神经网络模型比BP神经网络预测精度较高,网络泛化能力强;得出2010年和2020年中国的道路交通事故死亡人数值分别为13．9万人和16．7万人．     

神经网络结合遗传算法用于航迹预测

研究利用遗传算法对BP神经网络进行优化设计,建立了基于遗传算法的BP神经网络机动目标航迹预测模型。该模型克服了普通神经网络算法在训练过程中容易陷入局部最优点的缺陷,得到了更高的学习精度和更快的收敛速度。最后,用实测数据进行了验证分析,结果表明,基于遗传算法的神经网络的预测模型比单神经网络预测模型预测精度高,可用于航迹的预测。     

BP神经网络在城市消费预测中的应用

针对城市消费预测问题,应用一种改进的BP算法,建立了相应的BP网络模型,并设计了基于BP神经网络的城市消费预测系统.应用实例证明:该算法可以提高当前的预测精度,是一种较为有效的预测方法.     

BP神经网络在城市消费预测中的应用

针对城市消费预测问题,应用一种改进的BP算法,建立了相应的BP网络模型,并设计了基于BP神经网络的城市消费预测系统.应用实例证明:该算法可以提高当前的预测精度,是一种较为有效的预测方法.     

基于人工蜂群算法优化BP神经网络的交通流预测

建立基于人工蜂群算法(Artificial Bee Colony Algorithm,ABC)优化BP(Back Propagation)神经网络(ABCBP)的分析预测模型,对城市道路短时交通流进行预测。以BP神经网络为基础,通过人工蜂群算法优化神经网络的各个权值和阈值,考虑交通流的时间特性,将历史交通流量作为训练样本,预测某日的交通流量。多种算法的仿真试验对比表明:基于ABC-BP的预测结果比传统BP神经网络、小波预测神经网络以及PSO(Partide Swarm Optimization)-BP神经网络的预测结果更加精确。     

基于动量BP算法的过渡段路基沉降预测

利用动量BP算法改进了BP神经网络的收敛性,建立了过渡段路基沉降预测模型．该模型可克服传统BP神经网络收敛速度慢、易陷入局部最优等的缺点．结合津秦客运专线路桥过渡段路基沉降实测数据,将该优化模型与传统BP神经网络预测模型进行了对比．计算表明,利用动量BP算法改进的神经网络具有较高的预测精度,同时考虑了多个影响因素,因而具有广阔的应用前景．     

基于灰色关联度的线性组合模型在基坑坡顶位移预测中的应用

基坑坡顶水平位移预测对基坑安全施工具有重要意义。以昆山市建滔广场花桥一期工程为例,结合BP神经网络模型和时间序列ARMA模型各自特性,建立了基于灰色关联度的线性组合模型预测其坡顶水平位移。实例分析表明组合模型可以在保证较好的预测精度的前提下,提高了预测的整体性,具有工程实用价值。