基于灰色理论与广义回归神经网络的客运量预测模型研究

发布时间：2020-06-26 10:24

【摘要】： 准确的客运量预测结果是进行交通规划与管理的主要依据之一。论文旨在通过对客运量预测的特点进行研究，寻找提高预测精度的途径，研究适用于数据样本缺乏时的灰色-广义回归神经网络(G-GRNN)预测模型。 论文首先对客运量预测的特点进行了研究，指出客运量的预测具有非线性和小样本的特点，在此基础上，阐述了预测工作的思路与步骤，并对影响客运量的主要因素进行了分析。 论文对常用的客运量预测方法，如回归分析预测模型、指数平滑预测模型、定性分析法和BP神经网络模型等预测模型及其特点进行了综述，并分析了上述模型在运用中存在的优缺点。 论文在对广义回归神经网络理论研究和国内外运用情况分析的基础上，指出广义回归神经网络预测模型能较好的满足客运量预测要求。结合灰色预测方法对原始数据进行生成处理，利用生成数据序列建立预测模型的思想，论文研究了灰色-广义回归神经网络预测模型，并探讨了三种模型结构并联型(PG-GRNN)、串联型(SG-GRNN)和嵌入型(IG-GRNN)。在此基础上，论文分别研究了基于回归分析的灰色-广义回归神经网络预测模型和基于时间序列的灰色-广义回归神经网络预测模型，提出了模型建立的思路与流程，对模型建立过程中的输入／输出数据预处理、平滑参数的确定以及小样本条件下输入神经元数目的确定等关键问题进行了分析，并提供了有效的解决途径。 论文最后以四川省1997-2005年铁路客运量数据作为实例，计算结果表明，采用灰色-广义回归神经网络预测模型进行客运量预测，无论在对历史数据的拟合还是在模型外推检验方面均比回归预测模型、三次指数平滑模型和BP神经网络模型具有更高的预测精度。
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：U293.13
【图文】：

一l平滑参数的确定5.2.2.5模型预测

net.trainParam.goal=0.01net=train(net， P_train，T_train)网络训练结果如图5一2所示:train为归一化后的训练样毛r川ngdx

【引证文献】

相关期刊论文 前7条

1 王新志;祝明坤;曹爽;;基于广义回归神经网络的GPS高程转换[J];大地测量与地球动力学;2011年06期

2 郭文伟;陈妍玲;;中国铁路运输需求规模探析[J];经济问题探索;2011年10期

3 平平;刘大有;杨博;金弟;方芳;马思佳;田野;王永;;组合预测模型在猪肉价格预测中的应用研究[J];计算机工程与科学;2010年05期

4 曹从军;孙静;;基于广义回归神经网络的数码打样色彩空间转换方法[J];计算机应用;2010年08期

5 赖志伟;涂平;孙棣华;;基于车公里载客量的公交线路客运量预测研究[J];交通与计算机;2008年04期

6 伊良忠;章超;裴峥;;广义回归神经网络的改进及在交通预测中的应用[J];山东大学学报(工学版);2013年01期

7 凌海兰;郗恩崇;;基于随机波动条件的公交客运量预测模型[J];长安大学学报(自然科学版);2012年01期

相关博士学位论文 前1条

1 刘辉;转炉炼钢吹炼数据预测中火焰图像多特征提取方法研究[D];昆明理工大学;2012年

相关硕士学位论文 前10条

1 刘辉;基于广义回归神经网络的图像测温方法研究[D];昆明理工大学;2009年

2 焦玉莹;基于RBF神经网络的浮船坞浮态检验系统辨识[D];大连海事大学;2011年

3 邓丽贤;广州市公路客运站场班线配置方案研究[D];西南交通大学;2011年

4 罗伟;重庆市农村客运预测分析研究[D];重庆交通大学;2011年

5 何慧凝;北京市需用水规律研究[D];清华大学;2010年

6 王莹玉;航空发电机健康状态预测技术研究[D];沈阳航空航天大学;2011年

7 黄志丹;基于神经网络的电信业务量预测[D];华中师范大学;2008年

8 王忠桃;灰色预测模型相关技术研究[D];西南交通大学;2008年

9 薛潇;基于数据挖掘的入侵检测研究与应用[D];江南大学;2009年

10 赵玉芹;基于神经网络的渭河水质定量遥感研究[D];陕西师范大学;2009年

本文编号：2730183