基于灰色理論與神經網(wǎng)絡的交通量組合預測模型研究.pdf

1、交通量預測是公路交通規(guī)劃與設計的基礎，準確地預測交通量未來年的發(fā)展趨勢，提高預測精度，是保證待建項目可行性分析的正確性和合理性的重要因素，可以大大減少規(guī)劃設計失誤所造成的損失與浪費，顯著提高社會經濟效益。論文首先分析了交通量歷史數(shù)據(jù)呈隨機性、非線性變化的特點而實際預測時可用數(shù)據(jù)樣本較少的問題，通過查閱相關文獻，學習解決樣本量較小、信息不充分情況下，隨機性、非線性預測問題的理論預測方法，分析已有成果所存在的不足和缺陷。系統(tǒng)學習人工神經網(wǎng)絡

2、的基本原理和灰色預測方法。研究處理隨機性、非線性預測問題的傳統(tǒng)BP神經網(wǎng)絡算法及其優(yōu)劣勢；分析貝葉斯正則化神經網(wǎng)絡預測模型和小波神經網(wǎng)絡預測模型的優(yōu)勢和缺陷；分析GM(1,1)模型在處理小樣本、貧信息預測問題的不足，研究無偏GM(1,1)模型的原理及其預測優(yōu)勢。在借鑒現(xiàn)有交通量預測研究成果基礎上，充分利用貝葉斯正則化神經網(wǎng)絡非線性逼近，良好的泛化能力和無偏GM(1,1)模型的少數(shù)據(jù)建模，弱化原始數(shù)據(jù)隨機性并增強規(guī)律性，消除了傳統(tǒng)GM(1

3、,1)模型預測所固有的偏差的優(yōu)點，發(fā)揮二者融合的優(yōu)勢，建立無偏GM(1,1)—貝葉斯正則化神經網(wǎng)絡交通量組合預測模型；利用小波神經網(wǎng)絡對非線性函數(shù)的逼近能力，以及對隱函數(shù)的抽取能力較強，網(wǎng)絡訓練時收斂速度快，泛化性能好，預測精度高的優(yōu)勢和灰色累加技術能弱化原始數(shù)據(jù)的隨機性并增強規(guī)律性的特點，論文通過相關影響因素預測交通量問題，將灰色技術和小波神經網(wǎng)絡有機結合，建立灰色小波神經網(wǎng)絡融合的多因素交通量預測模型。并將所建立的兩個模型應用于實際