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.     

基于广义主成分分析法的我国高速公路服务设施平均间距研究

利用电子导航地图收集了国内40条高速公路的服务设施间距信息。基于调查和整理的服务设施间距数据,运用SPSS数据分析软件,对我国服务设施的间距现状进行了分析。从我国各省经济、人口、汽车保有量和客货运量的角度统计出影响服务设施间距的15个因素,采用基于"对数-线性比"变换的广义主成分分析法确定主要的影响因素,建立了能够较大程度体现初始各因素特征的主成分。并以主成分得分为自变量,服务设施平均间距为因变量,通过非线性回归建立两者间的回归模型。该模型可更可靠地计算出我国各省的服务设施合理间距预测值作为参考,同时也可评价地区现有服务设施间距是否还能满足当地的需求。最后根据该模型提出了各省市区合理的高速公路服务设施平均间距。     

影响十堰市汽车保有量的因素分析

汽车保有量与社会经济发展水平有密切的关系,通过建立计量经济学模型寻求汽车保有量和社会经济有关指标的函数关系,可以较为准确地预测十堰市短期内的汽车保有量。根据统计数据回归分析,影响十堰市汽车保有量的主要因素有:社会消费品零售总额、城镇居民可支配收入和社会固定资产投资。     

基于S形曲线的汽车保有量预测模型及其应用研究

分析了汽车保有量发展呈S形曲线的特点,以及影响汽车保有量的主要变量.以S形曲线为基础建立了汽车保有量预测的对数模型.用1991 ～2011年的样本数据计算出模型系数.通过输入相关变量的估计值,对2015年、2020年我国汽车保有量进行预测.     

基于多元线性回归方法的城市汽车保有量预测研究——以天津市为例

当前,我国民用汽车保有量不断增加,能源、环境、交通等越来越成为制约汽车保有量扩张的重要因素。通过分析主要影响因子,本文运用多元线性回归模型对城市民用汽车保有量进行预测,并以天津市为例进行实证分析。通过研究民用汽车保有量的变化趋势对合理制定公路交通发展规划,有效调节汽车产业的供需平衡具有重要指导意义。     

基于主成分分析与支持向量机结合的交通流预测

为提高交通流预测的预测精度和预测速度,提出了用非线性回归支持向量机与主成分分析相结合进行交通流预测的方法。主成分分析用来对交通流预测的预测变量进行特征抽取,用较少的主成分代替原预测变量．将生成的主成分输入到非线性回归支持向量机,进行交通流预测,支持向量机的核参数利用Bayesian推理进行确定。通过对济南市交通数据的实例分析来验证该方法的有效性。结果表明,非线性回归支持向量机与主成分分析相结合进行交通流预测不但可以提高交通流预测的精度,同时还可以降低预测所需的计算量,满足交通流预测的实时性要求,预测精度比目前常用交通流预测方法的预测精度有所提高。     

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ANFIS的环境激励下桥梁结构应变响应预测分析

为准确预测复杂环境荷载作用下混凝土连续梁桥结构应变响应,基于结构健康监测系统长期实测数据,分析桥梁结构温度场变化规律,进而基于主成分分析及自适应神经网络模糊推理系统,建立桥梁结构温度场与桥梁结构应变响应的复杂非线性关系。首先,利用小波分解技术分离环境荷载及车辆荷载作用下的桥梁结构实测应变响应;然后利用平行坐标轴,分析混凝土连续梁桥结构温度场变化规律,并利用主成分分析提取结构温度场实测温度数据主成分;最后基于自适应神经网络模糊推理系统,以应变测点处温度数据、桥梁结构温度场实测温度数据主成分和采样时间点数据为输入数据,分别建立不同输入变量组合与应变响应的复杂非线性关系,并对比分析不同工况下结构应变响应的预测精度。结果表明：桥梁结构各测点处实测温度数据变化趋势基本一致,同侧测点实测温度数据高度相关,但桥梁结构上、下表面测点温度变化存在明显差异,仅考虑应变测点处温度变化,难以准确预测桥梁结构应变响应;当考虑桥梁结构温度场变化时,能更精确地建立温度与应变响应之间的关系模型,进而基于实测温度数据准确预测桥梁结构应变响应;当缺乏结构温度场实测温度数据时,将采样时间点作为反映桥梁结构温度场变化规律的参数,可取得较好效果。     

基于计量经济学模型来选取与汽车保有量相关的因素

目前预测汽车保有量的模型有很多种,如BP神经网络、计量经济学模型等。而选取的影响因素主要有13种,文中通过数据分析来证明,这13种因素中与汽车保有量相关性较强的有12种,但由于这12种因素之间彼此也有较强的相关性,需要进一步分析哪些因素才是最直接影响汽车保有量的。经过分析,发现公路总里程、钢材产量、工业总产值、城市化率等是预测汽车保有量的较好变量,并预测2006年到2017年的汽车保有量。     

基于神经网络的停车需求预测模型及应用

结合停车需求特点分析了停车需求影响因素,提出了基于主成分分析的BP神经网络停车需求预测模型,该模型主要是通过对城市中心区停车需求的经济、土地、交通的特征分析,利用主成分分析法,明确了影响停车需求的主成分,简化了神经网络的输入样本,消除了网络输入之间的相关性,提高了网络的性能,实现了公共停车需求的准确预测。     

基于计量经济学模型选取与汽车保有量相关的因素

目前预测汽车保有量的模型有很多种,如BP神经网络、计量经济学模型等。而选取的影响因素主要有13种,本文通过数据分析证明,这13种因素与汽车保有量相关性较强的有12种,但由于这12种因素之间彼此也有较强的关联性,因此这就需要我们进一步分析哪些因素才是最直接影响汽车保有量的因素。经过分析,发现公路总里程、钢材产量、工业总产值、城市化率等因素是预测汽车保有量的较好变量。     

随机放电工况下锂离子电池容量预测方法

针对锂离子电池容量预测精度不高的问题,提出一种基于人群搜索优化的支持向量机(seeking optimization algorithm-support vector machine, SOA-SVM)的容量预测方法。通过分析锂离子电池随机放电过程,构建反映容量变化的随机放电容量均值和标准差两个指标,并以此作为预测容量的特征参数。采用主成分分析法分析特征参数之间的相关性,并提取主成分。基于部分测试电池第1主成分和容量数据,采用SOA对SVM超参数进行全局优化并训练模型。采用优化后的模型结合其余电池第1主成分数据预测锂离子电池容量。预测结果表明,本文中提出的锂离子电池容量预测方法具有较高的预测精度。     

基于级配设计的沥青路面抗滑性能影响因素研究

通过测定不同级配AC-13C型沥青混合料的横向力系数,采用统计学分析法研究了不同粒径集料对沥青路面抗滑性能的综合影响;采用"逐步法"的多元线性回归分析结果表明13.2mm粒径集料对沥青路面抗滑性能的影响最大,但由于不同集料之间具有一定的相关性,多元线性回归无法准确判别其他粒径集料对沥青路面抗滑性能的影响;采用主成分分析法对不同粒径集料提取主成分以消除各粒径集料间的线性相关性,并以获取的主成分为自变量、横向力系数SFC为因变量进行一元线性回归分析,结果表明提取的主成分与横向力系数具有优良的线性关系,说明利用主成分分析法结合线性回归分析可探索不同粒径集料对沥青路面抗滑性能的综合影响。     

中国民用汽车保有状态及发展趋势分析

从近20年来中国人均GDP、民用机汽车保有量、及人口数量的数据着手,分析了民用汽车保有量和人均GDP之间的关系,结果表明我国民用汽车保有量还远未达到饱和水平,并对我国民用汽车的发展进行了预测,提出了未来发展的相关建议。     

城市PM2.5治理下机动车保有量研究

在传统 Logistic基础上分析城市机动车保有量和城市PM2.5治理相互关联情况,建立了 Logistic拓展模型来预测城市合适的机动车保有量;以北京市为例,结合近几年相关数据进行模型仿真,得到在P M2.5治理下北京市未来几年机动车保有量合适值。预测结果表明,在 P M2.5治理下,北京市机动车增长速度将有所减缓,到2021年北京市机动车将达到623.9万辆。     

基于神经网络BP算法的出租汽车保有量预测法

介绍了出租车保有量神经网络预测模型的建立.以南京市的实际数据为检测依据,论证了该模型应用于城市出租汽车保有量预测的可行性,并对该市2005～2008年的出租汽车保有量进行了预测;该预测模型与传统模型进行预测对比的结果表明,由于神经网络在处理非线性系统方面的优越性,该预测模型在交通预测方面具有较高的计算精度.     

基于逻辑增长模型的北京市小汽车发展趋势研究

分析了北京市小汽车发展与城市经济之间的相互关系,对北京市人均GDP与千人小汽车拥有量进行了相关性分析,并以人均GDP和千人小汽车拥有量作为变量,给出了Logistic增长曲线的回归模型。模型对北京市小汽车发展趋势的预测与实际情况比较,虽有差异,但吻合度很高,说明从长远来看,北京市小汽车的发展是符合逻辑增长曲线的。按照logistic函数描述的"S"形增长特征,目前北京市小汽车的发展正处在高速发展期,是整个发展过程中的第2阶段,还没有到达减速增长并趋于饱和的第3阶段,在可预见的未来,小汽车保有量仍将持续增长,由此会带来一系列交通问题,政府必须加以引导。     

基于均值化主成分分析的交通安全评价方法研究

为对我国各地日趋严峻的道路交通安全现状进行科学、合理的评价,选择适用的安全评价方法是非常必要的,对主成分分析法进行了改进研究,充分考虑了主成分自身存在指标差异性被忽略、因子载荷存在负值等影响,通过采用均值法处理数据、选取较少主成分等途径有效改进了主成分法。构造了可以综合反映交通安全状况的6项相对指标为主体的道路交通安全综合评价指标体系,并以我国2009年东部省份的道路交通安全状况数据为例进行实例分析,采用传统主成分法和改进后的主成分法分别进行了道路交通安全综合评价,通过聚类分析法对改进前后评价结果的差异进行了比较研究。     

柴油乘用车实际道路排放的多项式回归模型

以车载排放试验数据为基础,对某柴油乘用车实际道路行驶速度、加速度、比功率、发动机转速、负荷、空燃比、排气流量、排气温度、燃油消耗量等影响因素进行了主成分分析,所提取主成分的累积方差贡献率达95%。通过多项式回归建立了柴油乘用车实际道路THC、CO、CO2、NOx排放与综合影响因素之间的回归模型。结果表明,建立回归模型的THC、CO、CO2和NOx排放预测误差分别为1.9%、6.2%、2.4%和2.7%,所建立模型的准确性较好。     

基于SVR的互联液压缸力学性能预测

为进一步研究实际工况下非线性因素对互联液压缸力学特性的影响,对互联液压缸进行了力学性能台架试验,分析了互联液压缸的非线性因素对其力学输出的影响。鉴于传统数学模型无法准确反映互联液压缸动力学特性,并为减小传统支持向量机算法数据回归拟合误差,引入不敏感损失函数,构建互联液压缸力学性能回归型支持向量机预测模型进行预测,并将预测结果与试验数据进行对比。结果表明,采用回归型支持向量机预测模型具有更好的预测精度,为揭示互联悬架力学特性提供新的研究思路。