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。     

汽车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.     

基于支持向量机的城市私人汽车保有量滚动预测

针对城市私人汽车保有量增长预测问题,在对支持向量机理论进行改进的基础上,进行滚动预测研究。在对已有的机动车保有量预测模型进行对比分析的基础上,建立了基于支持向量机的私人汽车保有量滚动预测模型,并利用北京市私家车保有量历史数据对滚动预测模型进行了实证分析。结果表明该预测模型具有较高的预测精度、符合实际需求、具有广泛的应用前景。     

基于熵权法的灰色广义模糊神经网络的机动车保有量预测模型

针对机动车保有量作为交通系统的一部分所具有的不确定性和趋势性等特点,通过熵权法确定灰色系统理论和广义模糊神经网络的加权系数来建立组合预测模型,对机动车保有量进行预测。经过实例验证,该组合预测模型与单预测模型相比,能够更准确地预测机动车保有量,与实际值符合较好,可以为有关部门的规划提供可靠的数据依据。     

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。     

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.     

基于计量经济学模型的武汉市汽车保有量预测

本文根据武汉市统计数据,应用计量经济学方法,建立了汽车保有量预测模型,模型特别将上一年汽车保有量作为表征消费者购车心理的变量纳入了分析。通过MATLAB软件计算出回归系数和相关统计参数,并对模型进行了各项检验,最终根据修正后的模型计算了武汉市2016年的汽车保有量,结果较为准确,表明该方法是一种较为严谨的短期预测方法。本文亦对武汉市2017年的汽车保有量进行了预测。