因子分析和神经网络在山东省城市运输分析中的应用

发布时间：2017-06-29 23:17

  本文关键词：因子分析和神经网络在山东省城市运输分析中的应用，由笔耕文化传播整理发布。

【摘要】：我国经济的快速发展在较大程度上得益于我国对交通网络基础设施的建设,一方面交通网络建设属于大型的基础设施建设,起到很大的投资拉动作用,但是更重要的是交通设施的改善,直接促进了交通运输行业的进步,并有力支撑了物流行业的发展,尤其是随着网络购物的流行和普及,更大的促进了我国的物流运输行业的快速发展。交通运输成为我国各个地区重点发展的行业之一,因此如何分析交通运输行业的问题,并且为国家和地区做出有效的指导是一项重要而且有意义的课题。随着计算水平的进步,尤其是科学计算方法的普遍使用,准确的分析数据成为各个行业的重要课题之一,交通运输行业实际涵盖的范围较广,数据量也非常大,使用现代的计算方法可以较快的实现数据的计算,并且能够提供更加准确的计算结果。因此,本文采用因子分析和神经网络的计算方法,分析交通运输数据,以此提高数据分析的准确性。本文针对山东省17个地级城市在城市运输方面进行研究,数据来源是《山东统计年鉴-2015》,山东统计年鉴是一部反映山东省的社会经济和国民情况的资料。通过研究城市运输方面的统计数据,本文利用因子分析算法和神经网络算法主要完成了以下两个任务。第一,利用因子分析对山东省17个地级城市在城市运输方面进行分析,得到因子得分和综合排序。因子分析,就是通过分析实际变量之间的各种相关关系,从而能够找到少数的几个变量来表示实际的指标,少数的几个变量和原始的指标变量之间存在一定的线性关系。利用因子分析针对17个地级城市在城市运输方面的45个属性进行分析,得到6个公共因子,计算因子得分,对山东省17个地级城市关于城市运输方面进行排名分析。第二,利用神经网络算法对山东省运输线路总长度进行建模,寻找自1949年以来山东省运输线路总长度的增长关系。人工神经网络由大量的神经元组成,通过神经元和神经元之间的相互联系来达到信息存储和传递的目的。神经网络能够模拟人脑的神经系统的特性,所以通过神经元和神经元之间的关系来建立相关的数据模型。对山东省从1949年以来的运输线路长度及铁路线路长度、公路线路长度、内河线路长度进行汇总,建立神经网络模型,由上一年的铁路线路长度、公路线路长度、内河线路长度预测下一年的运输线路总长度。通过不同的神经网络算法进行建模,并对预测结果进行对比分析。
【关键词】：因子分析 神经网络 城市运输 SPSS
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U12;TP183
【目录】：

• 摘要4-6
• Abstract6-10
• 第1章 绪论10-18
• 1.1 研究背景10-12
• 1.2 城市运输12-13
• 1.3 数据挖掘13-14
• 1.4 数据来源14-15
• 1.5 本文的主要工作和目的15-16
• 1.6 本文的主体框架16-17
• 1.7 本章小结17-18
• 第2章 因子分析18-25
• 2.1 因子分析思想18-23
• 2.2 SPSS软件23-24
• 2.3 本文选择因子分析算法的原因24
• 2.4 本章小结24-25
• 第3章 因子分析在山东省城市运输分析中的应用25-41
• 3.1 本文数据预处理25
• 3.2 因子分析过程25-37
• 3.3 因子分析结果及分析37-40
• 3.4 本章小结40-41
• 第4章 神经网络41-49
• 4.1 神经网络简介41-45
• 4.2 几种神经网络算法45-46
• 4.3 MATLAB46-47
• 4.4 本文选择神经网络算法的原因47-48
• 4.5 本章小结48-49
• 第5章 神经网络在山东省城市运输分析的应用49-52
• 5.1 本文数据49
• 5.2 神经网络预测49-51
• 5.3 本章小结51-52
• 第6章 总结及展望52-54
• 6.1 全文总结52-53
• 6.2 展望53-54
• 参考文献54-59
• 作者简介及在学期间所取得的科研成果59-60
• 致谢60

【相似文献】

中国期刊全文数据库 前10条

1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期

3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期

4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期

5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期

6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期

8 宋玉华，王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期

9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期

10 王中贤，钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

  本文关键词：因子分析和神经网络在山东省城市运输分析中的应用，，由笔耕文化传播整理发布。

本文编号：499724