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.     

公路客运量预测方法研究

应用灰色系统ＧＭ（１．１）模型及残差修正ＧＭ（１．１）模型预测公路客运量的方法避开了许多复杂的相互关系，它将离散变量连续化，用微分方程来代替差分方程，用生成数序列代替原始时间序列，化原始数据的随机性，建立生成数的数学模型。本文以长春市客运量预测为例介绍此种方法的应用。     

基于灰色关联度的公路客运量预测研究

公路客运量预测是综合交通规划、公路专项规划、站场枢纽布局的前提和基础,科学、准确地预测公路客运量具有重要意义。目前常用的预测方法有增长率法、弹性系数法、回归预测法等,均为单因素预测方法。文中引进灰色系统理论,通过定量分析影响公路客运量因素的关联度,合理分配权重,构建组合预测模型,并通过实例加以说明和验证。     

BP神经网络和GM(1,1)灰色模型在公路客运量预测中的应用

在灰色预测的基础上,引入BP神经网络模型,建立了GM(1,1)和BP神经网络组合模型。此组合模型兼有灰色预测和BP神经网络预测的优点,模型既克服了原始数据少,数据波动性大对预测精度的影响,也增强了预测的自适应性。实例证明了组合模型的预测精度高于单独的GM(1,1)模型,可以用于公路客运量预测。     

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。     

公路客运量预测方法的应用

本文主要介绍如何利用季节指数修正指数平滑预测值对公路客运量进行预测，并以长春市公路客运公司客运量预测值为例予以说明。     

基于BP神经网络的黄土湿陷性预测研究

运用人工智能领域中的神经网络技术,提出了基于BP神经网络模型的黄土湿陷性等级的预测方法。用MATLAB7自带的神经网络工具箱编程来实现BP神经网络系统。并给出工程实例和程序,预测效果和准确度较好,说明利用BP神经网络预测黄土湿陷系数是可行的。     

基于灰色Verhulst-马尔可夫链组合预测方法的公路客运量预测研究

将灰色系统理论和马尔可夫链理论相结合,提出了灰色Verhulst-马尔可夫链组合预测方法来预测具有饱和状态发展趋势的观点;结合广东省公路客运量发展趋势来对该组合预测方法进行具体应用.计算分析证明,该模型较灰色Verhulst模型、灰色GM(1,1)-马尔可夫模型具有预测精度高、适应弹性大、实用性强等特点,可对公路客运量的发展趋势进行宏观把握,对宏观决策具有指导意义.     

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。     

BP神经网络在公路路面性能预测中的应用

路面性能预测是路面养护管理的重要组成部分,一般较难考虑自然环境对路面性能的影响,对已知信息的利用效率不高,造成预测误差.文中以某高速公路路面性能预测为例,详细说明了BP神经网络技术在路面性能预测中的作用,力求推广计算机辅助的人工神经网络在路面性能预测中的应用.     

基于BP神经网络的基坑变形预测

基坑工程施工中,需要根据现场实际情况、周围环境、建筑安全等级等对变形进行严格控制。通过对基坑实测变形数据进行整理和分析,对未来变形量作出预测,保证基坑安全。结合BP神经网络的高度非线性映射能力,提出了一种基于BP神经网络的基坑变形时间序列预测方法。在基坑开挖过程中,采取滚动预测的方法,不断利用前期已有实测数据建模预测后期变形量,以实现信息化施工和动态控制。实例分析表明,BP神经网络模型具有较高的预测精度,并能获得满意的预测结果。     

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神经网络的发动机排放预测

选用运转参数中的转速和功率(负荷)为变量,对丰田Prius混合动力电动汽车的发动机进行了神经网络排放建模。通过对建立的BP网络进行训练和测试,模型能较好地预测排放性能,并对排放的实时测量和控制提供了一定的依据。     

基于BP神经网络的福泉高速公路车流量预测

高速公路车流量预测为高速公路管理企业对减轻高速公路的拥堵情况、改善高速公路的通行能力等方面提供了不可或缺的数据基础,也对其未来收益提供了参考。论文以福泉高速公路为研究对象,选择BP神经网络进行预测;其次分析车流量预测的影响因素,确定神经网络的输入和输出变量的数据类型、确定BP神经网络的层数及各层神经元的数量、各参数值,利用MATLAB构建完整的BP神经网络预测模型,最后收集样本数据,进行数据的预处理,利用样本数据对神经网络进行训练,包括训练完成后输入已知数据,进行实时预测,通过MATLAB进行仿真,证实方法可行有效,得到的结果证明BP神经网络的结构和参数值都是比较合理的,可以较好模拟现实环境,进行比较准确的预测。     

基于BP神经网络的AGV防撞预测方法研究

在AGV(Automated Guided Vehicle)运行过程中,建立BP神经网络预测模型,对周围环境的智能移动体的运动轨迹进行综合动态预测和评估,结合纳什均衡理论建立移动机器人运动决策模型,使得AGV在运行过程中建立类人判断的能力即考虑AGV和其他移动智能体的相对位置的关系,对其他的移动智能体的预测价值可以有效的评估。文章通过构建动态博弈模型求解灰色碰撞概率,可以高效的为AGV防撞提供合理的参考。     

基于BP神经网络的人工盐渍土冻胀预测研究

以季节性冻土区环青海湖段青藏铁路路基冻害为背景,通过现场采集的粉质黏土人工盐渍化后,考虑温度、水分、盐分、压实度4个因素进行室内冻胀试验,测试了不同温度环境下路基土体的冻胀率。根据试验所得参数,建立BP神经网络冻胀预报模型对土体冻胀率进行预测。结果表明:运用BP神经网络的预测结果与试验结果具有良好的一致性,误差为1%～5%。     

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BP神经网络基坑支护结构变形预测研究

为了精确的预测佛山某建筑基坑变形情况,提出了一种BP神经网络多数据纵向预报方法,选取前三次的多个测点数据进行预处理,然后再对BP神经网络分析、训练、测试,并分析隐含层数对预测精度的影响,通过对比试算确定隐含层数目,最终达到能够高精度预测基坑支护结构水平位移和沉降。结果表明:所提出的方法可以精确地预测基坑变形,对工程建设具有一定的参考价值。     

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。     

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.