基于神经网络的公路货运量预测方法研究

通过对公路货运量的预测方法进行研究比较,并根据公路货运量形成的复杂和非线性等特点,建立BP神经网络预测模型.利用黑龙江省公路货运量及其相关影响因素的实际数据,确定网络输入与输出样本,并对BP神经网络预测系统进行训练和预测.通过对网络输出的误差曲线图的分析,验证BP神经网络预测系统的精确性和简单方便性,提高了公路货运量预测的精确性.     

基于多元线性回归的广东地区生产总值研究

针对地区生产总值影响因素问题,以部分地区经济生产总值为自变量构建多元回归模型,基于广东省2006—2015年统计数据,利用SAS软件对选取的3个相关影响因素进行数据分析与解释。结果表明:对广东省经济生产总值贡献最大的因子是房地产增加值,其次是第二产业增加值,外商投资企业数影响最小。地区生产总值与第二产业增加值、外商投资企业数以及房地产增加值的回归方程为:y=-3 409.0016 2+1.115 92x1+0.0620 9x2+6.470 04x3。由此可知,在保证房地产业、第二产业稳步发展的同时,拟定有利于外商企业在广东投资的政策,吸引外资,以保证广东省经济结构趋于完善。     

基于灰色-反向传播神经网络的江西省公路货运量预测

鉴于反向传播（Back Propagation,BP）神经网络算法收敛速度慢、局部极小化、结构选择不一的问题,提出结合灰色关联度分析的BP神经网络方法进行公路货运量预测,提高了模型的非线性学习和泛化能力及预测精度。该预测模型以江西省为例,首先利用灰色关联度分析确定预测目标的影响因子;然后,将关联度强的第一产业、第二产业和人均GDP作为公路货运预测模型的自变量,公路货运量和自变量作为训练样本,BP神经网络模型通过正向计算传播,误差反向传播,训练神经网络;最后,该方法应用于江西省公路货运量实际预测中进行有效性验证,结果表明该方法非线性拟合效果较好,具有较高的预测精度。     

区域公路货运量测算方法

货运量是国家和地方交通运输管理部门制定物流发展策略的数据基础.在分析货运量测算影响因素的基础上,提出基于货源与行业生产销售、车辆注册地与货物运输地、货运量与运力供给3种货运量测算方法,以金华为例验证测算方法的可行性和适用性.结果表明:基于货源与行业生产销售的货运量测算方法适用于货运企业划分明确、企业财务统计完整的地区;基于车辆注册地与货物运输地的货运量测算方法适用于区域内、外注册货车货运信息统计完整的地区;基于货运量与运力供给的货运量测算方法适用于货车吨位利用率均衡的地区.提出的区域公路货运量测算方法能为各地区公路货运量测算方法的选取提供参考.     

基于PCRA的地区生产总值的数学模型——以阳泉地区为例

以山西省阳泉地区为例.首先用灰关联分析了第一产业增加值等七种指标对地区生产总值的影响程度,然后用PCRA(主成分回归分析)分析了影响生产总值的五种指标的综合作用程度,再用回归模型得到了五种影响指标与地区生产总值的拟合方程,且拟合效果较好.     

基于灰色关联和BP神经网络的铁路货运量预测方法

为提高铁路货运量的预测准确性,运用灰色关联分析法,计算分析了与铁路货运量相关的主要社会指标,确定铁路货运量的影响因子分别为铁路运营里程、铁路电气化里程、铁路复线比重、公路运营里程、固定资产投资总额和钢材产量。将所确定的因子作为铁路货运量的预测指标,建立基于BP神经网络的铁路货运量预测模型,并对模型进行了应用测试。结果表明:BP神经网络模型具有较高的精度,最大相对误差为3.7%,平均相对误差为2.3%。该方法具有较快的收敛速度和较高的预测精度,可为我国铁路货运量的预测研究提供方法支撑。     

应用多元模糊推理预测方法进行邮电业务总量预测

采用一种新的模糊预测方法--多元模糊推理预测方法进行邮电业务总量预测的研究.该方法利用邮电业务总量和三个产业的生产总值的历史数据建立模糊推理规则,从而进一步建立邮电业务量水平跟三个产业的生产总值之间的模糊蕴涵关系,通过模糊推理得到业务量预测结果.该方法对预测问题中存在的不确定因素进行了处理,克服了其它模型中知识的凝固性,能够象专家一样不断地总结新的经验并调整原有的经验,具有自学习功能.利用某地区的实际数据进行分析计算,并将结果跟模糊神经元网络预测法的结果进行比较,表明多元模糊推理预测方法是有效的.     

基于随机森林回归算法的用水总量影响因素解析 ——以广东省为例

通过构建包含人口、水资源、技术和经济4项因素和常住总人口、人口密度、水资源总量、降雨量、万元GDP用水量、万元工业增加值用水量、第一产业生产总值、第二产业生产总值和第三产业生产总值9个元素的层次评价体系,采用熵值法和随机森林回归算法,以广东省21个地级市为例,分析广东省用水总量的影响因素.研究结果表明:(1)从元素层角度分析,常住总人口、第三产业生产总值和第一产业生产总值是广东省用水总量的主要影响元素,而降雨量对广东省各地级市用水总量的影响最小;(2)从因素层角度分析,4项因素对广东省用水总量的影响由大到小依次为:经济因素、人口因素、水资源因素和技术因素;(3)综合元素层和因素层的分析,在人口、水资源、技术、经济因素中,影响广东省用水总量最大的元素分别为常住总人口、水资源总量、万元工业增加值用水量和第三产业生产总值.     

下城区发展文化创意产业需要把握的几个问题

一、下城区文创产业基本情况 2009年全区文化创意产业实现增加值59.66亿元,同比增长17.%,占全区地区生产总值的14.67%,文化创意产业发展初具规模。其中，以文化艺术、影视传媒、信息服务、设计服务和咨询策划为主要内容的文化创意产业核心层，实现增加值39．25亿元，同比增长16．1％：以时尚消费为主要内容的外围层，实现增加值20．41亿元，同比增长19．07％。     

中国公路运输枢纽的地域与规模聚集特征

为明确公路运输枢纽的布局规划,分析了1997年至2003年中国50个主要公路运输枢纽的地域与规模分布特征.对公路客、货运量排序发现,同一城市具有不同的公路客、货运枢纽区位;绘制地域分布图发现,公路客运量聚集于西南地区、长江三角洲地区和珠江三角洲地区,公路货运量聚集于环渤海地区、长江三角洲地区和珠江三角洲地区;运量聚集度计算发现,公路运输枢纽的规模聚集作用明显,客、货运量聚集度分别达到50.05%与45.74%.分析结果表明,公路客、货运输枢纽需要分别进行布局规划,应重点建设西南地区、长江三角洲地区和珠江三角洲地区的公路客运枢纽,以及环渤海地区、长江三角洲地区和珠江三角洲地区的公路货运枢纽.     

上海市公路货运量与经济增长关系的协整分析

根据1990年～2005年上海经济与货运交通发展的数据,利用协整理论及其分析软件,对上海市公路货运量与经济进行协整分析.通过协整检验发现,公路货运量与经济指标之间存在长期的均衡关系.Granger因果检验表明,公路货运量与公路里程数、工业企业总数、国民生产总值(GDP)之间都存在单向的Granger因果关系.研究结果表明:目前公路运输对国民经济增长的促进作用的能量还没有得到充分发挥.相关政府部门则需要调整相关的产业政策及货运政策,引导公路运输向更为健康的方向发展.     

城市道路交通拥堵的模糊神经网络评析

以城市道路网络的拥堵状况为研究对象,运用模糊层次分析以及神经网络理论构建城市道路交通拥堵的模糊神经网络评价模型.以层次分析为准则,从微观层、中观层、宏观层等方面建立道路交通拥堵三层评价指标体系;利用模糊一致性判别矩阵界定道路交通拥堵评价因子综合权重,基于BP神经网络构建了道路交通拥堵的模糊神经网络评价模型,并对道路交通拥堵评价区间进行阈值确定,将道路交通拥堵评价集界定为严重拥堵、中度拥堵、轻度拥堵、较为畅通、畅通等5个等级.以2016年上海市20个交通小区的道路交通拥堵数据为样本进行实例分析,结果表明该方法的可行性以及有效性.      

基于主成分和BP神经网络方法的湖南省汽车保有量预测

汽车保有量预测对城市交通的发展方向、城市交通的控制管理、城市道路的建设情况等都有直接的参考意义。本文通过分析影响城市汽车保有量的因素,通过参考部分参考文献,城区人口总数人均GDP、公路客运量等8个指标,首先采用主成分分析法将8个因素进行分析,然后建立BP神经网络模型对湖南省2006到2008年汽车保有量进行预测,预测结果分别为98．93万辆、122．18万辆、137．03万辆,与汽车保有量实际值94．64万辆、121．72万辆、142．67万辆很接近,预测精度比较高。这表明BP神经网络具有很强的学习与泛化能力,用于汽车保有量预测的可行性与有效性。     

A BP neural network based information fusion method for urban traffic speed estimation

Obtaining comprehensive and accurate information is very important in intelligent traffic system (ITS). In ITS, the GPS floating car system is an very important approach for traffic data acquisition. However, in this system, the GPS blind areas caused by tall buildings and tunnels could affect the acquisition of traffic information and depress the system performance. Aiming at this problem, we developed a novel method employing a back propagation (BP) neural network to estimate the traffic speed in the GPS blind areas. When the speed of one road section is lost, we can use the speed of its related road sections to estimate its speed. The complete historical data of these road sections are used to train the neural network, using Levenberg-Marquardt learning algorithm. Then, the current speed of the related roads is used by the trained neural network to get the speed of the road section without GPS signal. We compare the speed of the road section estimated by our method with the real speed of this road section, and the experimental results show that the speed of this road section estimated by our method is better.     

基于灰色神经网络的道路权重确定方法

提出了一种基于灰色神经网络的道路权重确定方法.首先利用灰色预测模型少数据建模和人工神经网络模型非线性逼近的优点,将两种模型有机结合,实现对交通流的模拟预测;其次利用交通流量-行驶速度以及行驶速度-行驶时间的关系确定交通流量与行驶时间的关系模型;最后结合前两部分建立的模型构建基于灰色神经网络的路阻函数模型,从而确定路段的权重.实验结果表明,该方法具有较高的精度,且模型利用少量的数据就可以确定路段的路阻函数,为路段权值的确定提供了一种有效可行的方法,可用于智能交通的路径规划等应用中.     

基于神经网络的交通参数预测方法

为能够迅速准确地采取相应措施处理交通拥堵问题,改善行车安全,进而提高路网效率,研究了基于神经网络的交通参数预测方法,预测了交通流量、速度和占有率.在分析常用BP(Back Propagation)神经网络算法的基础上,研究误差平方和最小化的L-M(Levenberg-Marquart)算法.相对于常规预测方法,基于神经网络的交通参数的预测方法对于随机的参数变化具有更好的适应性,能及时跟随交通参数的变化,所以精确度更高,适应性更好.仿真结果显示,L-M算法的训练速度相比于常规BP算法要快几十倍,预测交通流量、速度和占有率等参数的效果优于常用的指数平滑算法,因此基于神经网络的交通参数预测方法可以应用于交通领域.     

基于遗传算法径向基神经网络的交通流预测

为提高径向基（RBF）神经网络预测模型对交通流预测的准确性,提出了一种基于遗传算法优化径向基神经网络的交通流预测方法。利用遗传算法优化径向基神经网络的权值和阈值,然后训练RBF神经网络预测模型以求得最优解,并将该预测方法与RBF神经网络和BP神经网络的预测结果进行对比。仿真结果表明,该方法对交通流具有较好的非线性拟合能力,预测精度高于径向基神经网络和BP神经网络。     

基于神经网络的交叉口多相位模糊控制

根据城市交叉口交通流的特点，给出了一种交叉口多相位自适应控制算法，综合考虑相邻车道上的车队长度，利用多层BP神经网络实现了道路交叉口多相位模糊控制．仿真结果表明，文中所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误，具有较强的学习和泛化能力，是实现交通系统智能控制的一条新途径．     

基于集成学习的交通流短时特性分析与神经网络预测方法

为揭示交通流的内在动态特性,利用分析法对交通流分形特性进行研究,表明该城市交通流序列具有长程相关性;为达到更精准的短期交通预测效果,同时提出一种基于思维进化算法(MEC)对神经网络最优初始参数的定向搜索,解决神经网络易陷入局部最优的问题;并用自适应增强算法(adaptive enhancement algorithm,Adaboost)对优化过的神经网络集成,弥补神经网络对新样本集的泛化性能差缺陷,在此基础上通过预测误差平方和倒数准则重新调整Adaboost算法对弱预测器权值分布,使每个预测器最大程度提高网络预测精度.验证结果表明,改进MEC-BP_Adaboost模型与BP模型相比,均方误差和平均绝对误差分别下降78.2％和46.4％,证明本文改进方法对交通流预测具有合理性,对不同的交通流状态具有较好的适应性.