神經(jīng)網(wǎng)絡(luò)算法在公路運(yùn)量預(yù)測(cè)中的應(yīng)用畢業(yè)論文-文庫(kù)吧資料
2025-07-04 16:35本頁(yè)面
【正文】 ?；谏窠?jīng)網(wǎng)絡(luò)的公路運(yùn)輸量預(yù)測(cè)模型及應(yīng)用。北京:電子工業(yè)出版社，2005。[18]. 飛思科技產(chǎn)品研發(fā)中心?；贛ATLAB的BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)與訓(xùn)練[I]。東北地震研究，2001。 [16]. 溫巖，喬兵。 [15]. 韓力群。[14]. 王維國(guó)，張靜靜。 MATLAB神經(jīng)網(wǎng)絡(luò)與應(yīng)用[M]。蘇州大學(xué)物理科學(xué)與技術(shù)學(xué)院。 [12]. 李曉慧?；贐P 神經(jīng)網(wǎng)絡(luò)的組合預(yù)測(cè)模型及其在公路運(yùn)輸量預(yù)測(cè)中的應(yīng)用［J］。北京航空航天大學(xué)出版社。[9]. Barnsley M F. Fractal functions and interpolation[J]. Constry Approx,2003, 2(3): 303329[10]. 卓金武。神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近性分析[J]。微型機(jī)與應(yīng)用,2004,1:5254。[7]. 蔣良孝,李超群。神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[M]。長(zhǎng)沙:國(guó)防科技大學(xué)出版社,2003。[5]. 胡守仁,余少波等。神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)技術(shù)[M]。北京:清華大學(xué)出版社,2002。[3]. 周開(kāi)利,康耀紅。神經(jīng)網(wǎng)絡(luò)與模糊控制[M]。大連:大連理工大學(xué)出版社,2002。參考文獻(xiàn)[1]. 陳明。 總結(jié) BP神經(jīng)網(wǎng)絡(luò)的運(yùn)用極其廣泛，并且在很多領(lǐng)域都很實(shí)用，在MATLAB工具箱的幫助下更顯得簡(jiǎn)單快速，BP網(wǎng)絡(luò)對(duì)于非線(xiàn)性的模仿能力很強(qiáng)，這也是它能夠廣泛運(yùn)用的重要原因。 從學(xué)習(xí)曲線(xiàn)圖（）中，可以看出網(wǎng)絡(luò)的最后訓(xùn)練的誤差很小，達(dá)到了期望的值。 本次我就運(yùn)用MATLAB的BP神經(jīng)網(wǎng)絡(luò)的工具箱來(lái)編程（見(jiàn)附錄二）建立模型來(lái)解決。 BP網(wǎng)絡(luò)的常用函數(shù)表函數(shù)類(lèi)型函數(shù)名稱(chēng)函數(shù)用途前向網(wǎng)絡(luò)創(chuàng)建函數(shù)newcf創(chuàng)建級(jí)聯(lián)前向網(wǎng)絡(luò)Newff創(chuàng)建前向BP網(wǎng)絡(luò)傳遞函數(shù)logsigS型的對(duì)數(shù)函數(shù)tansigS型的正切函數(shù)purelin純線(xiàn)性函數(shù) 學(xué)習(xí)函數(shù)learngd基于梯度下降法的學(xué)習(xí)函數(shù)learngdm梯度下降動(dòng)量學(xué)習(xí)函數(shù)性能函數(shù) mse均方誤差函數(shù)msereg均方誤差規(guī)范化函數(shù) 顯示函數(shù)plotperf繪制網(wǎng)絡(luò)的性能plotes繪制一個(gè)單獨(dú)神經(jīng)元的誤差曲面plotep繪制權(quán)值和閾值在誤差曲面上的位置errsurf計(jì)算單個(gè)神經(jīng)元的誤差曲面 運(yùn)用BP網(wǎng)絡(luò)建模 根據(jù)調(diào)查得知某地區(qū)1990年到2011年的人口機(jī)動(dòng)車(chē)數(shù)量，公路面積以及公路客運(yùn)量和貨運(yùn)量的數(shù)據(jù)（見(jiàn)附錄一），需要預(yù)測(cè)2012年和2013年該地區(qū)的公路客運(yùn)量和貨運(yùn)量。對(duì)于各種不同的網(wǎng)絡(luò)模型，神經(jīng)網(wǎng)絡(luò)工具箱集成了多種學(xué)習(xí)算法，為用戶(hù)提供了極大的方便。這些函數(shù)的MATLAB實(shí)現(xiàn)，使得設(shè)計(jì)者對(duì)所選定網(wǎng)絡(luò)進(jìn)行計(jì)算的過(guò)程，就轉(zhuǎn)變?yōu)閷?duì)函數(shù)的調(diào)用和參數(shù)的選擇，這樣一來(lái)，網(wǎng)絡(luò)設(shè)計(jì)人員可以根據(jù)自己的的需要去調(diào)用工具箱中有關(guān)的設(shè)計(jì)和訓(xùn)練程序，從煩瑣的編程中解脫出來(lái)，集中精力解決其他問(wèn)題，從而提高了工作效率。為了解決神經(jīng)網(wǎng)絡(luò)問(wèn)題中的研究工作量、編程和計(jì)算工作量問(wèn)題，工程領(lǐng)域中目前較為流行的軟件MATLAB，就提供了現(xiàn)成的神經(jīng)網(wǎng)絡(luò)工具箱，神經(jīng)網(wǎng)絡(luò)工具箱是在MATLAB環(huán)境下開(kāi)發(fā)出來(lái)的許多工具箱之一。一個(gè)地區(qū)的公路運(yùn)量與該地區(qū)的人口、機(jī)動(dòng)車(chē)數(shù)量、和公路網(wǎng)的情況有關(guān)。在公路運(yùn)輸生產(chǎn)中，公路運(yùn)輸量是反映交通運(yùn)輸業(yè)生產(chǎn)成果的重要指標(biāo)，而在其中公路運(yùn)輸又成為運(yùn)輸行業(yè)的重中之重。公路運(yùn)輸系統(tǒng)作為交通運(yùn)輸系統(tǒng)的一個(gè)子系統(tǒng)，在交通運(yùn)輸系統(tǒng)中的主導(dǎo)作用也日益凸顯。若滿(mǎn)足終止條件即終止，否則轉(zhuǎn)到第（2）步。 (6)按權(quán)值修正公式修正各層的權(quán)值或閾值。 （5）記錄已學(xué)習(xí)過(guò)的樣本個(gè)數(shù)p。(3)依次計(jì)算各層的輸出：，或者，j=0，1，…,；k=0,1，…，；l=0,1，…，m1(4) 求各層的反傳誤差： 其中，l=0,1，…，m1；k=0,1，…，；j=0,1，…。(2)依次輸入P個(gè)學(xué)習(xí)樣本。 BP網(wǎng)絡(luò)的算法BP算法是一種有監(jiān)督式的學(xué)習(xí)算法，其主要思想是：輸入學(xué)習(xí)樣本，使用反向傳播算法對(duì)網(wǎng)絡(luò)的權(quán)值和偏差進(jìn)行反復(fù)的調(diào)整訓(xùn)練，使輸出的向量與期望向量盡可能地接近，當(dāng)網(wǎng)絡(luò)輸出層的誤差平方和小于指定的誤差時(shí)訓(xùn)練完成，保存網(wǎng)絡(luò)的權(quán)值和偏差。（3） 分類(lèi)：把輸入向量所定義的合適方式進(jìn)行分類(lèi)。因此，BP網(wǎng)絡(luò)主要運(yùn)用在以下四個(gè)方面：（1） 函數(shù)逼近：用輸入向量和相應(yīng)的輸出向量訓(xùn)練一個(gè)網(wǎng)絡(luò)以逼近一個(gè)函數(shù)。另外，BP 神經(jīng)網(wǎng)絡(luò)具有優(yōu)化計(jì)算能力。這種能力使其在圖像復(fù)原、語(yǔ)言處理、模式識(shí)別等方面具有重要應(yīng)用。這是因?yàn)樗捎昧朔植疾⑿械男畔⑻幚矸绞?，?duì)信息的提取必須采用聯(lián)想的方式，才能將相關(guān)神經(jīng)元全部調(diào)動(dòng)起來(lái)。它也是前向網(wǎng)絡(luò)的核心部分，體現(xiàn)了人工神經(jīng)網(wǎng)絡(luò)的精華。 BP網(wǎng)絡(luò)的主要功能目前，在人工神經(jīng)網(wǎng)絡(luò)的實(shí)際應(yīng)用中。這種誤差逆向傳播修正的反復(fù)進(jìn)行，將不斷提高網(wǎng)絡(luò)對(duì)輸入模式響應(yīng)的正確率。隱含層或輸出層任一神經(jīng)元將前一層所有神經(jīng)元傳來(lái)的信息進(jìn)行整合，通常還會(huì)在整合過(guò)的信息中添加一個(gè)闕值，這主要是模仿生物學(xué)中神經(jīng)元必須達(dá)到一定的闕值才會(huì)觸發(fā)的原理，然后將整合過(guò)的信息作為該層神經(jīng)元輸入。 ，ＢＰ網(wǎng)絡(luò)是一種具有三層或者三層以上神經(jīng)元的神經(jīng)網(wǎng)絡(luò)，包括輸入層、中間層（隱含層）和輸出層。（感知器）示意圖當(dāng)神經(jīng)元j有多個(gè)輸入(i=1,2,…,m)和單個(gè)輸出時(shí)，輸入和輸出的關(guān)系可表示為: 其中j為閾值，為從神經(jīng)元i到神經(jīng)元j的連接權(quán)重因子，f( )為傳遞函數(shù)，也稱(chēng)激勵(lì)函數(shù)。常用的神經(jīng)網(wǎng)絡(luò)系統(tǒng)有BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)。（5）空間科學(xué)。（4）通信。（3）預(yù)報(bào)和智能信息管理。（2）控制和優(yōu)化。它主要運(yùn)用在以下領(lǐng)域：（1）模式識(shí)別和圖像處理。神經(jīng)網(wǎng)絡(luò)需要有一定量的歷史數(shù)據(jù)，通過(guò)對(duì)歷史數(shù)據(jù)的訓(xùn)練，網(wǎng)絡(luò)就可以學(xué)習(xí)到數(shù)據(jù)中所隱含的知識(shí)。人工神經(jīng)網(wǎng)絡(luò)是由具有適應(yīng)性的簡(jiǎn)單單元組成的廣泛并行互連的網(wǎng)絡(luò)，它的組織
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1