基于RBF神经网络的货运量预测模型研究

发布时间：2020-05-21 03:06

【摘要】： 作为运输基础设施建设的投资决策基础,货运量预测在国家和区域经济发展规划中具有十分重要的意义。货运量预测的研究目标就是如何在运输系统中挖掘出有效的信息,利用预测模型对这些数据和信息进行加工,从而为交通管理部门和运输企业提供准确高效的货运量预测,方便相关部门和企业单位合理安排运力,实现对货运过程的控制。 关于货运量预测的研究已有很长的历史,在实际中一般都采用定量预测的方法。时间序列分析法和回归分析法都是基于经典统计学的方法,它们的模型构造已经非常成熟,在货运量预测上有一定的应用;灰色预测法和神经网络法是当前预测研究领域中的热点,有很大的研究空间。尤其是径向基函数(Radial Basis Function,RBF)神经网络,它具有最佳函数逼近性能和全局最优特性,是目前其它方法所无法比拟的。 本文在分析了国内外研究现状的基础上,采用RBF神经网络进行货运量预测。由于传统RBF神经网络在学习前需要通过经验公式或实验者人为确定网络结构,这样训练出的网络往往并非最优。对此,本文改进了RBF神经网络的学习算法,提出了一种基于聚类的动态自生成隐含层节点的思想。它是一种两阶段学习算法,先通过聚类得到中心和扩展常数,后通过最小二乘法得到输出权矩阵。在网络参数学习的同时网络结构也在进行调整,使得误差不断减小。本文在MATLAB7.0平台上编程实现了该学习算法,并通过两组函数实例验证了动态聚类算法的学习效率和外推逼近能力。 针对一些应用实例采用了两次预测的方式,本文在将动态聚类学习算法应用到货运量预测实例时,又定义了一个融入了时域信息的延拓矩阵。其基本思路是采用一个拓展的矩阵来改善输入输出数据的对应结构,简化预测过程,使神经网络的学习数据能够在更大程度上得到利用,从而有效的加强RBF神经网络的学习,消除累积误差。最后,将基于延拓矩阵的动态聚类学习算法应用到公路货运量预测和货运总量预测模型中,实验结果证明了基于延拓矩阵的动态聚类学习算法是行之有效的。
【图文】：

人工智能等[34-37]。人工神经网络作为一门快速发展着的论、新的应用成果正在层出不穷地涌现出来。络（径向基神经网络）的提出和研究是最近几年的事，前向网络，具有最佳函数逼近性能和全局最优特性，广逼近和信号处理等方面。大部分基于反馈的多层前馈网性优化技术的缺点，计算量大、学习速度慢，而 RBF力，而且计算量少，学习速度一般也比其它算法快得多隐含层的前馈型网络。隐含层中的基函数对输入激励产入落在输入空间中一个很小的指定区域中时，隐含层节于径向基函数的中心和半径的确定，，是最近 RBF 神经网络的工作原理及特点明，人的神经元是由细胞体树突和轴突组成的。其中，其他神经细胞传入的神经冲动，传入的神经冲动会引起变化超过一定阈值时，将引起神经细胞的兴奋，这一兴经元。

数：2122||XC||f(x)1 =+σadric 函数：2122||XC||f(x)1 =+σ-122||XC||f(x)1 =+σ中心点距离的增大，Gaussian，Inverse Multiquadric，qudric 函数是单调递增的。形如 Gaussian 函数这种呈的局部特性(只在中心点附近的某一邻域内变化显著值逐渐趋近于零)，因此这类径向基函数在实际中应数作为隐含层节点的激励函数，它有两个主要参数：另一个是基函数的扩展常数σ ，即在多大的区域内会感性的认识，下面以 Gaussian 为例作出了径向基函数
【学位授予单位】：天津理工大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：TP183;U492.313

【相似文献】

相关期刊论文 前10条

1 张飞;段志峰;;RBF神经网络在边坡稳定性中的应用研究[J];西部探矿工程;2011年08期

2 林传桥;;转炉炼钢技术的自动化控制研究[J];企业家天地(理论版);2011年06期

3 孙颖;王健;;基于DSP伺服控制的分切机应用[J];长春工业大学学报(自然科学版);2011年01期

4 国蓉;何镇安;;基于RBF神经网络的被动声定位算法研究[J];微电子学与计算机;2011年07期

5 张洪萍;税爱社;谢敏;沈鑫;;基于RBF神经网络和定性趋势分析的传感器故障诊断[J];后勤工程学院学报;2011年04期

6 陈水平;吴开贵;;P2P网络基于CPU动态处理能力的超级节点选取[J];计算机工程与应用;2011年19期

7 安逸;江丹;;RBF在冷轧在线监测与故障诊断中的应用[J];计算机与数字工程;2011年08期

8 徐翔;;网络信息安全风险评估建模及研究[J];实验科学与技术;2011年04期

9 杨翠兰;;基于Borda序值和RBF神经网络的知识链风险预警[J];统计与决策;2011年17期

10 姚应水;叶明全;;RBF神经网络与logistic回归模型的对比研究[J];中国卫生统计;2011年04期

相关会议论文 前10条

1 游培寒;王振家;;一种构造径向基神经网络的新型IPL算法[A];图像 仿真 信息技术——第二届联合学术会议论文集[C];2002年

2 张秀艳;王秀芳;王庆蒙;陶国彬;;基于RBF神经网络的非线性滤波研究[A];首届信息获取与处理学术会议论文集[C];2003年

3 宋宜斌;王培进;;一种改进的RBF神经网络预测模型[A];2005年中国智能自动化会议论文集[C];2005年

4 田晓;颜勇;孔凡坊;顾德英;;新型神经网络在短期负荷预测中的应用研究[A];山东电机工程学会第五届供电专业学术交流会论文集[C];2008年

5 于秀丽;沈雪勤;;RBF神经网络的一种新的学习算法[A];第六届全国计算机应用联合学术会议论文集[C];2002年

6 黄亮;陈娟;马俊功;;基于RBF网络自校正的气动位置伺服系统跟综控制[A];第四届全国流体传动与控制学术会议论文集[C];2006年

7 张东昌;符秀辉;;RBF神经网络在网络时延预测中的应用[A];第七届全国信息获取与处理学术会议论文集[C];2009年

8 白基成;黄河;郭永丰;卢泽生;;高速电火花小孔加工电极损耗预测技术的研究[A];2007年中国机械工程学会年会论文集[C];2007年

9 付培众;尹怡欣;;基于PSO-RBF的神经网络及其应用研究[A];2007'仪表，自动化及先进集成技术大会论文集（一）[C];2007年

10 崔超;徐筱麟;韩晶;;一种两种算法结合的网络延时预测算法[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集（下册）[C];2008年

相关博士学位论文 前10条

1 梁协雄;数据库中的知识发现及其应用研究[D];重庆大学;2004年

2 崔根群;用于危险品检测的移动机械手的运动性能分析及其控制[D];河北工业大学;2007年

3 杨会云;工程量清单计价模式下的投标报价决策研究[D];东北林业大学;2009年

4 尹建川;径向基函数神经网络及其在船舶运动控制中的应用研究[D];大连海事大学;2007年

5 景春国;低能射线法油水气相含率测量研究[D];燕山大学;2008年

6 罗红霞;地学知识辅助遥感进行山地丘陵区基于系统分类标准的土壤自动分类方法研究[D];武汉大学;2005年

7 万毅;基于RBFNN的接触网系统可靠性设计方法研究[D];西南交通大学;2006年

8 叶光;基于VV&A的船舶运动控制系统仿真的研究[D];大连海事大学;2007年

9 林壮;欠驱动水平机械臂滑模变结构控制研究[D];哈尔滨工程大学;2007年

10 祖莉;智能割草机器人全区域覆盖运行的控制和动力学特性研究[D];南京理工大学;2005年

相关硕士学位论文 前10条

1 魏艳强;基于RBF神经网络的货运量预测模型研究[D];天津理工大学;2008年

2 姚建明;基于神经网络的电液伺服系统智能控制研究[D];太原理工大学;2005年

3 陈文科;神经网络在项目总承包风险中的应用[D];西安建筑科技大学;2005年

4 张振;基于解析冗余的非线性系统故障诊断方法研究[D];南京理工大学;2005年

5 刘海勃;基于RBF神经网络的期货走势预测模型研究[D];大连海事大学;2006年

6 张平;遗传神经网络在PMSM控制系统中的应用研究[D];武汉理工大学;2006年

7 戎辉;移动机械手的分层控制结构及其协调控制方法研究[D];河北工业大学;2006年

8 姜晓君;基于无线传感器网络的信息融合算法研究[D];郑州大学;2007年

9 胡霞;NTS中学生认知能力评价系统的研究与应用[D];武汉理工大学;2006年

10 林程军;采用单片机的电阻点焊智能控制器开发[D];沈阳工业大学;2006年

本文编号：2673631