基于遺傳算法和BP神經網絡的鐵路客運量預測研究.pdf_第1頁
已閱讀1頁，還剩70頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、近年來我國鐵路事業(yè)迅猛發(fā)展，在建的鐵路項目很多，陸續(xù)還有更多的項目上馬。運量預測工作在交通工程建設的前期工作中處于十分重要的地位，準確的客運量預測是進行交通規(guī)劃和管理的主要依據(jù)之一。
　　 預測方法的選擇直接影響預測結果的精度，本文旨在把遺傳算法和BP網絡結合GA-BP方法引入鐵路客運量預測領域，并以高精度為目標，研究GA-BP方法的鐵路客運量預測。
　　 論文首先分析了客運量預測的重要性，總結了鐵路客運量預測的方法，如

2、時間序列的移動平移法、指數(shù)平滑預測模型、灰色GM(1，1)模型等、影響因素法的線性回歸模型，并分析了各種常用方法的適用范圍和優(yōu)缺點。
　　 其次探討了鐵路客運量的發(fā)展趨勢及影響因素。根據(jù)預測鐵路客運量時選擇影響因素的準則，確定了本文用于影響因素法預測的八個影響因子。
　　 接著選擇遺傳算法優(yōu)化BP網絡閥值和權值形成的GA-BP算法作為本文的主要預測手段。分別建立了多影響因子的GA-BP模型、時間序列的GA-BP模型預測。

3、
　　 另外比較多影響因子的GA-BP和BP的預測結果，驗證了前者改良了后者的局限性并提高了預測精度；比較多影響因子的GA-BP模型和三次指數(shù)平滑模型、一元線性回歸模型、灰色GM(1，1)模型的預測結果，驗證了多影響因子的GA-BP模型預測的有效性；比較時間序列的GA-BP模型與多影響因子的GA-BP和BP模型的預測結果，顯示時間序列的GA-BP模型預測我國鐵路客運量不可靠。
　　 最后，對應用GA-BP網絡預測鐵路客運

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論