基于遗传算法和BP神经网络的铁路客运量预测研究
发布时间：2021-06-15 19:31
近年来我国铁路事业迅猛发展,在建的铁路项目很多,陆续还有更多的项目上马。运量预测工作在交通工程建设的前期工作中处于十分重要的地位,准确的客运量预测是进行交通规划和管理的主要依据之一。预测方法的选择直接影响预测结果的精度,本文旨在把遗传算法和BP网络结合GA-BP方法引入铁路客运量预测领域,并以高精度为目标,研究GA-BP方法的铁路客运量预测。论文首先分析了客运量预测的重要性,总结了铁路客运量预测的方法,如时间序列的移动平移法、指数平滑预测模型、灰色GM（1,1）模型等、影响因素法的线性回归模型,并分析了各种常用方法的适用范围和优缺点。其次探讨了铁路客运量的发展趋势及影响因素。根据预测铁路客运量时选择影响因素的准则,确定了本文用于影响因素法预测的八个影响因子。接着选择遗传算法优化BP网络阀值和权值形成的GA-BP算法作为本文的主要预测手段。分别建立了多影响因子的GA-BP模型、时间序列的GA-BP模型预测。另外比较多影响因子的GA-BP和BP的预测结果,验证了前者改良了后者的局限性并提高了预测精度；比较多影响因子的GA-BP模型和三次指数平滑模型、一元线性回归模型、灰色GM（1,1）模型...
【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
铁路客运量
0年份图2一1铁路客运量12000 11000100009000800070006000500040003000职吠匆叫”仲碉排叹卿哥拿2000一一.一铁路 路公 公路路水 水路路航 航空空1000图2一2旅客周转量变化过程
年份图2一3各种运输方式客运分担率的变化从图2一2和图2一3看出在我国客运系统的构成中，铁路是主要运输方式，随着我国经济的不断发展和人民生活水平的不断提高，铁路客运周转量在不断增加，但是它在客运总周转量中所占比重却在逐渐下降，这说明有其他运输方式得到了更快的发展。公路客运在总体结构中的比重不断增加，公路运输己逐渐成为铁路运输的主要竞争对手和有益补充。水运由于受航线固定和速度缓慢等因素的制约，比重较小，并且呈逐年下降的趋势，可见随着人们生活节奏的加快，人们对运输方式的选择在相同的方向和距离内越来越倾向于弃水走陆。民航客运的绝对量较小，但平均运距较大，其客运周转量在总体结构中的比例增长较快。2.2影响客运量的因素铁路运输涉及到诸多外部和内部相关因素
【参考文献】：
期刊论文
[1]混合GA-BP算法在机器人地面控制中的应用[J]. 陈虹,董航飞,李宗宝,梁文彬. 控制工程. 2009(01)
[2]基于遗传优化神经网络的铁路客运量预测研究[J]. 郭文,乔谊正. 山东理工大学学报(自然科学版). 2008(03)
[3]GA-BP网络在木材干燥过程建模中的应用[J]. 刘德胜,张佳薇. 微计算机信息. 2007(09)
[4]支持向量回归机在铁路客运量时间序列预测中的应用[J]. 夏国恩,曾绍华,金炜东. 计算机应用研究. 2006(10)
[5]成都市公路客运量预测[J]. 霍娅敏,李德刚. 交通标准化. 2005(11)
[6]三次指数平滑法在大秦铁路运量预测中的应用[J]. 马晓珂,王慈光. 华东交通大学学报. 2005(03)
[7]对运输需求预测理论的再认识[J]. 袁长伟,吴群琪. 综合运输. 2005(01)
[8]支持向量机在地下水位预报中的应用研究[J]. 王景雷,吴景社,孙景生,齐学斌. 水利学报. 2003(05)
[9]货运量预测方法的比较[J]. 蒋惠园,杨大鸣. 运筹与管理. 2002(03)
[10]人工神经网络用于建筑工程领域的数据处理方法[J]. 姜绍飞. 哈尔滨建筑大学学报. 1999(05)
硕士论文
[1]基于BP网络和遗传算法的岩爆预测研究[D]. 雷松林.同济大学 2008
[2]改进型灰色神经网络组合预测方法及应用研究[D]. 严修红.江西理工大学 2007
[3]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[D]. 罗毅.西南交通大学 2007
[4]城市高速公路交通流预测与控制[D]. 关占荣.暨南大学 2007
[5]铁路客运量短期预测方法的研究[D]. 王芳.北京交通大学 2007
[6]水运量预测方法及其应用研究[D]. 钱芳.河海大学 2006
[7]基于神经网络与遗传算法的股票智能预测[D]. 李春伟.西北工业大学 2005
[8]基于神经网络和遗传算法的语音识别方法研究[D]. 刘俊华.湖南大学 2005
[9]神经网络预测法与四阶段预测法相组合在铁路运量预测中的应用研究[D]. 王增兵.西南交通大学 2003
[10]RBF神经元网络和遗传算法的研究及其在化工中的应用[D]. 郑启富.浙江大学 2003
本文编号：3231643
【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
铁路客运量
0年份图2一1铁路客运量12000 11000100009000800070006000500040003000职吠匆叫”仲碉排叹卿哥拿2000一一.一铁路 路公 公路路水 水路路航 航空空1000图2一2旅客周转量变化过程
年份图2一3各种运输方式客运分担率的变化从图2一2和图2一3看出在我国客运系统的构成中，铁路是主要运输方式，随着我国经济的不断发展和人民生活水平的不断提高，铁路客运周转量在不断增加，但是它在客运总周转量中所占比重却在逐渐下降，这说明有其他运输方式得到了更快的发展。公路客运在总体结构中的比重不断增加，公路运输己逐渐成为铁路运输的主要竞争对手和有益补充。水运由于受航线固定和速度缓慢等因素的制约，比重较小，并且呈逐年下降的趋势，可见随着人们生活节奏的加快，人们对运输方式的选择在相同的方向和距离内越来越倾向于弃水走陆。民航客运的绝对量较小，但平均运距较大，其客运周转量在总体结构中的比例增长较快。2.2影响客运量的因素铁路运输涉及到诸多外部和内部相关因素
【参考文献】：
期刊论文
[1]混合GA-BP算法在机器人地面控制中的应用[J]. 陈虹,董航飞,李宗宝,梁文彬. 控制工程. 2009(01)
[2]基于遗传优化神经网络的铁路客运量预测研究[J]. 郭文,乔谊正. 山东理工大学学报(自然科学版). 2008(03)
[3]GA-BP网络在木材干燥过程建模中的应用[J]. 刘德胜,张佳薇. 微计算机信息. 2007(09)
[4]支持向量回归机在铁路客运量时间序列预测中的应用[J]. 夏国恩,曾绍华,金炜东. 计算机应用研究. 2006(10)
[5]成都市公路客运量预测[J]. 霍娅敏,李德刚. 交通标准化. 2005(11)
[6]三次指数平滑法在大秦铁路运量预测中的应用[J]. 马晓珂,王慈光. 华东交通大学学报. 2005(03)
[7]对运输需求预测理论的再认识[J]. 袁长伟,吴群琪. 综合运输. 2005(01)
[8]支持向量机在地下水位预报中的应用研究[J]. 王景雷,吴景社,孙景生,齐学斌. 水利学报. 2003(05)
[9]货运量预测方法的比较[J]. 蒋惠园,杨大鸣. 运筹与管理. 2002(03)
[10]人工神经网络用于建筑工程领域的数据处理方法[J]. 姜绍飞. 哈尔滨建筑大学学报. 1999(05)
硕士论文
[1]基于BP网络和遗传算法的岩爆预测研究[D]. 雷松林.同济大学 2008
[2]改进型灰色神经网络组合预测方法及应用研究[D]. 严修红.江西理工大学 2007
[3]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[D]. 罗毅.西南交通大学 2007
[4]城市高速公路交通流预测与控制[D]. 关占荣.暨南大学 2007
[5]铁路客运量短期预测方法的研究[D]. 王芳.北京交通大学 2007
[6]水运量预测方法及其应用研究[D]. 钱芳.河海大学 2006
[7]基于神经网络与遗传算法的股票智能预测[D]. 李春伟.西北工业大学 2005
[8]基于神经网络和遗传算法的语音识别方法研究[D]. 刘俊华.湖南大学 2005
[9]神经网络预测法与四阶段预测法相组合在铁路运量预测中的应用研究[D]. 王增兵.西南交通大学 2003
[10]RBF神经元网络和遗传算法的研究及其在化工中的应用[D]. 郑启富.浙江大学 2003
本文编号：3231643
本文链接：https://www.wllwen.com/jingjilunwen/jtysjj/3231643.html
