

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、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
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(wǎng)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。
最新文檔
- 基于神經網(wǎng)絡的交通量預測技術研究.pdf
- 基于廣義回歸神經網(wǎng)絡的公路旅游交通量預測分析.pdf
- 基于灰色理論和BP神經網(wǎng)絡交通流預測模型研究.pdf
- 基于灰色神經網(wǎng)絡組合模型的流量預測與評估方法研究.pdf
- 基于灰色神經網(wǎng)絡的預測模型研究.pdf
- 交通量預測理論與方法研究.pdf
- 基于BP神經網(wǎng)絡的灰色預測模型.pdf
- 基于灰色神經網(wǎng)絡組合模型的能源需求預測.pdf
- 基于灰色與神經網(wǎng)絡組合模型的中長期電力負荷預測.pdf
- 基于灰色預測和人工神經網(wǎng)絡組合的負荷預測.pdf
- 基于神經網(wǎng)絡的四階段預測法在交通量預測中的應用研究.pdf
- 基于灰色神經網(wǎng)絡組合模型的空氣質量預測.pdf
- 基于多維灰色模型與神經網(wǎng)絡的銷售預測模型研究.pdf
- 基于灰色神經網(wǎng)絡的審計意見預測模型研究.pdf
- 基于灰色模型與人工神經網(wǎng)絡的改進組合預測模型及其應用研究.pdf
- 基于灰色理論與BP神經網(wǎng)絡的電力負荷預測.pdf
- 基于灰色理論和神經網(wǎng)絡的預測方法研究與應用.pdf
- 基于客流量轉化交通量的交通量預測方法
- 灰色神經網(wǎng)絡預測模型的優(yōu)化研究.pdf
- 基于指數(shù)平滑法和ARIMA的交通量組合預測模型應用研究.pdf
評論
0/150
提交評論