版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、四川理工學(xué)院畢業(yè)論文神經(jīng)網(wǎng)絡(luò)算法在公路運(yùn)量預(yù)測(cè)中的應(yīng)用學(xué) 生: 學(xué) 號(hào):08071030222專 業(yè):信息與計(jì)算科學(xué)班 級(jí):信計(jì)2008.2指導(dǎo)教師: 四川理工學(xué)院理學(xué)院二oo一二年六月四 川 理 工 學(xué) 院畢業(yè)設(shè)計(jì)(論文)任務(wù)書設(shè)計(jì)(論文)題目: 神經(jīng)網(wǎng)絡(luò)在公路運(yùn)量中的應(yīng)用 學(xué)院: 理學(xué)院 專業(yè):信息與計(jì)算科學(xué) 班級(jí): 2008級(jí)2班 學(xué)號(hào):08071030222學(xué)生:王 軍 成 指導(dǎo)教師: 高 媛 媛 接受任務(wù)時(shí)間 2012年3月 15日 教研室主任 (簽名)二級(jí)學(xué)院院長(zhǎng) (簽名)1畢業(yè)設(shè)計(jì)(論文)的主要內(nèi)容及基本要求主要內(nèi)容:利用bp神經(jīng)網(wǎng)絡(luò)和matlab 工具箱建立網(wǎng)絡(luò),對(duì)公路運(yùn)量進(jìn)行
2、預(yù)測(cè)?;疽螅?. 熟讀參考文獻(xiàn)2. 掌握神經(jīng)網(wǎng)絡(luò)的基本理論和結(jié)構(gòu)。3. 能夠利用matlab工具箱建立網(wǎng)絡(luò)。2指定查閱的主要參考文獻(xiàn)及說明matlab在數(shù)學(xué)建模中的應(yīng)用(卓金武主編);它以數(shù)學(xué)建模為主,比較全面的講解了神經(jīng)網(wǎng)絡(luò)以及matlab 的相關(guān)知識(shí)。3進(jìn)度安排設(shè)計(jì)(論文)各階段名稱起 止 日 期1確定論文題目,接受任務(wù)2012年3月15日2查閱文獻(xiàn)資料,完成文獻(xiàn)綜述和開題報(bào)告2012年3月25日3完成論文初稿2012年5月12日4修改并完成論文直至定稿2012年5月23日5論文答辯2012年5月29日注:本表在學(xué)生接受任務(wù)時(shí)下達(dá)摘 要 摘 要 采用bp神經(jīng)網(wǎng)絡(luò)建立公路運(yùn)量組合預(yù)測(cè)的理
3、論模型,靈活利用神經(jīng)網(wǎng)絡(luò)通過自適應(yīng)自學(xué)習(xí)能夠擬合任意非線性函數(shù)的功能,有效克服傳統(tǒng)的組合預(yù)測(cè)方法,在實(shí)際應(yīng)用中把數(shù)據(jù)間的關(guān)系強(qiáng)加給某一類函數(shù)的不足,并借助于先進(jìn)的數(shù)學(xué)計(jì)算軟件進(jìn)行簡(jiǎn)單的編程大大降低模型的計(jì)算難度。實(shí)例證明該方法具有很高的預(yù)測(cè)精度。關(guān)鍵詞: matlab;公路運(yùn)量;預(yù)測(cè);bp神經(jīng)網(wǎng)絡(luò)iabstract a new theory model is brought forward and based on bp neural network is used in highway volume combination forecasting .this model flexibly a
4、pplied the capability that the neural network can fit any non-linear function by self-adaptation and self-learning,avoiding the shortage effectively that traditional combination forecasting method forces the relationship among the data on some sort of function in the application.with the help of mat
5、lab,some simple program is compiled.it deceases the difficulty of calculation.the example has proved that this method has high prediction precision.key words:bp neural network; volume; matlab; forecasti目 錄目 錄摘 要iabstractii目 錄iii第一章 前 言1第二章 人工神經(jīng)網(wǎng)絡(luò)及公路運(yùn)量32.1人工神經(jīng)網(wǎng)絡(luò)32.1.1人工神經(jīng)元32.2 bp網(wǎng)絡(luò)基本原理42.2.1原理42.2.2
6、bp網(wǎng)絡(luò)的主要功能62.2.3 bp網(wǎng)絡(luò)的算法62.3 公路運(yùn)量7第三章 運(yùn)用matlab建立模型預(yù)測(cè)公路運(yùn)量93.1 matlab工具箱93.1.1 matlab工具箱的用途93.1.2 matlab神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)93.2 運(yùn)用bp網(wǎng)絡(luò)建模103.2.1應(yīng)用實(shí)例10第四章 結(jié)論與總結(jié)114.1 結(jié)論114.2 總結(jié)12參考文獻(xiàn)13致 謝15附 錄16文獻(xiàn)綜述19iii四川理工學(xué)院畢業(yè)論文第1章 前 言交通運(yùn)輸是一個(gè)國(guó)家重要的基礎(chǔ)產(chǎn)業(yè),對(duì)國(guó)民經(jīng)濟(jì)的發(fā)展存在著舉足輕重的作用,同時(shí)對(duì)區(qū)域產(chǎn)業(yè)經(jīng)濟(jì)結(jié)構(gòu)的發(fā)展也有著直接的影響。公路運(yùn)輸系統(tǒng)作為交通運(yùn)輸系統(tǒng)的一個(gè)子系統(tǒng),在交通運(yùn)輸系統(tǒng)中的主導(dǎo)作用也逐
7、漸凸顯。近年來,我國(guó)交通基礎(chǔ)設(shè)施和運(yùn)輸裝備都不斷改善,為公路運(yùn)輸?shù)目焖侔l(fā)展創(chuàng)造了有利的條件。在公路運(yùn)輸生產(chǎn)中,公路運(yùn)量是反映交通運(yùn)輸業(yè)生產(chǎn)成果的重要指標(biāo),隨著計(jì)算機(jī)技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)的日趨成熟,許多人都應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)貨運(yùn)量進(jìn)行預(yù)測(cè),一些人應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)建立的公路運(yùn)量組合預(yù)測(cè)模型具有著較高的預(yù)測(cè)精度。反映公路產(chǎn)量的指標(biāo)還有客貨的周轉(zhuǎn)量,它更能綜合地反映公路運(yùn)輸部門為社會(huì)提供運(yùn)輸服務(wù)的能力,所以建立一個(gè)較好預(yù)測(cè)系統(tǒng)對(duì)公路網(wǎng)規(guī)劃、建設(shè)和管理都具有指導(dǎo)意義。人工神經(jīng)網(wǎng)絡(luò)(artificial neural networks)理論是近年來發(fā)展起來的模擬人腦生物過程的人工智能技術(shù),也就是在模擬人腦神
8、經(jīng)組織的基礎(chǔ)上發(fā)展起來的計(jì)算系統(tǒng),是由大量處理單元通過廣泛的互聯(lián)而構(gòu)成的網(wǎng)絡(luò)體系,它具有生物神經(jīng)系統(tǒng)的基本特征,在一定的程度上反映了人腦功能的若干反映,是對(duì)生物系統(tǒng)的某種模擬。適用于因果關(guān)系非常復(fù)雜的非確定性推理、判斷、識(shí)別和分類等問題。它在模式識(shí)別、計(jì)算機(jī)視覺、信號(hào)處理、非線性優(yōu)化、語音識(shí)別、聲納識(shí)別、傳感技術(shù)與機(jī)器人、生物醫(yī)學(xué)工程等領(lǐng)域都有著廣泛的應(yīng)用。隨著神經(jīng)網(wǎng)絡(luò)的理論的研究和實(shí)際應(yīng)用的不斷深入,研究神經(jīng)網(wǎng)絡(luò)各個(gè)方面的應(yīng)用都迅速發(fā)展。特別是matlab神經(jīng)網(wǎng)絡(luò)工具箱的開發(fā),為神經(jīng)網(wǎng)絡(luò)的研究和設(shè)計(jì)提供了強(qiáng)有力的工具,所取得的成果已經(jīng)廣泛應(yīng)用于神經(jīng)網(wǎng)絡(luò)的教學(xué)和科研中。 bp神經(jīng)網(wǎng)絡(luò)在實(shí)質(zhì)上實(shí)
9、現(xiàn)了一個(gè)從輸入到輸出的映射功能,數(shù)學(xué)理論證明三層神經(jīng)網(wǎng)絡(luò)就能夠以任意的精度逼近任何非線性連續(xù)函數(shù)。這使得其特別適合于求解內(nèi)部機(jī)制很復(fù)雜的問題,也就是說bp神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的非線性映射能力。bp神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時(shí),能夠通過學(xué)習(xí)自動(dòng)提取輸出、輸出數(shù)據(jù)間的“合理規(guī)則”,并自動(dòng)適應(yīng),將學(xué)習(xí)內(nèi)容記憶于網(wǎng)絡(luò)的權(quán)值中,即bp神經(jīng)網(wǎng)絡(luò)有高度自主學(xué)習(xí)和自適應(yīng)的能力。bp神經(jīng)網(wǎng)絡(luò)即使在其局部的或部分的神經(jīng)元受到破壞也不會(huì)對(duì)全局的訓(xùn)練結(jié)果造成很大的影響,也就是說即使系統(tǒng)在受到局部損傷時(shí)還是可以正常工作。即bp神經(jīng)網(wǎng)絡(luò)具有一定的容錯(cuò)能力。本文以bp神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)建,運(yùn)用matlab工具箱來建立一個(gè)神經(jīng)網(wǎng)絡(luò)對(duì)某地區(qū)的公路
10、運(yùn)量進(jìn)行預(yù)測(cè),通過數(shù)據(jù)的對(duì)比該次的建立神經(jīng)網(wǎng)絡(luò)有著很高的準(zhǔn)確性。本文重點(diǎn)研究運(yùn)用bp神經(jīng)網(wǎng)絡(luò)來預(yù)測(cè)公路的運(yùn)量,共分四章:第一章,前言;第二章,介紹神經(jīng)網(wǎng)絡(luò)及公路運(yùn)量;第三章,運(yùn)用matlab建立模型預(yù)測(cè)公路運(yùn)量;第四章,結(jié)論總結(jié)。 伍雄斌,劉 偉,郭建鋼?;谏窠?jīng)網(wǎng)絡(luò)的公路運(yùn)輸量預(yù)測(cè)模型及應(yīng)用。王維國(guó),張靜靜。基于bp神經(jīng)網(wǎng)絡(luò)的貨運(yùn)量預(yù)測(cè)方法。趙淑芝,田振中,張樹山,等?;赽p 神經(jīng)網(wǎng)絡(luò)的組合預(yù)測(cè)模型及其在公路運(yùn)輸量預(yù)測(cè)中的應(yīng)用。陳明。神經(jīng)網(wǎng)絡(luò)模型m。 胡守仁,余少波等。神經(jīng)網(wǎng)絡(luò)導(dǎo)論m。周志華,曹存根。神經(jīng)網(wǎng)絡(luò)及其應(yīng)用。 董長(zhǎng)虹。 matlab神經(jīng)網(wǎng)絡(luò)與應(yīng)用。卓金武。matlab在數(shù)學(xué)建模中
11、的應(yīng)用。張圣楠,郭文義,肖力墉。基于matlab的bp神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)與訓(xùn)練。1四川理工學(xué)院畢業(yè)論文第二章 人工神經(jīng)網(wǎng)絡(luò)及公路運(yùn)量2.1人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)(artificial neutral network,ann)是近20年來發(fā)展起來的一門活躍的邊緣性交叉學(xué)科,是一種新興的數(shù)學(xué)建模方法,它的研究和發(fā)展涉及到神經(jīng)生理科學(xué)、數(shù)理科學(xué)、信息科學(xué)以及計(jì)算機(jī)科學(xué)等眾多學(xué)科領(lǐng)域。它是由大量的簡(jiǎn)單的基本元件神經(jīng)元相互連接而成的,通過模擬人的大腦神經(jīng)處理信息的方式,進(jìn)行信息的并行處理和非線性轉(zhuǎn)換的復(fù)雜網(wǎng)絡(luò)系統(tǒng),它實(shí)現(xiàn)了多輸入和多輸出并且能夠進(jìn)行數(shù)據(jù)的并行處理以及自學(xué)能力。人工神經(jīng)網(wǎng)絡(luò)是由具有適應(yīng)性的簡(jiǎn)
12、單單元組成的廣泛并行互連的網(wǎng)絡(luò),它的組織能夠模擬生物的神經(jīng)系統(tǒng)對(duì)真實(shí)世界物體所作出的交互反應(yīng),雖然單個(gè)的神經(jīng)元的結(jié)構(gòu)極其簡(jiǎn)單,功能有限,但由大量神經(jīng)元構(gòu)成的網(wǎng)絡(luò)系統(tǒng)所能實(shí)現(xiàn)的行為卻是非常豐富多彩的。神經(jīng)網(wǎng)絡(luò)可以用于分類、聚類、預(yù)測(cè)等問題。神經(jīng)網(wǎng)絡(luò)需要有一定量的歷史數(shù)據(jù),通過對(duì)歷史數(shù)據(jù)的訓(xùn)練,網(wǎng)絡(luò)就可以學(xué)習(xí)到數(shù)據(jù)中所隱含的知識(shí)。只要在問題中,只要能夠找到某些問題的一些特征,以及對(duì)應(yīng)的評(píng)價(jià)數(shù)據(jù),并用這些數(shù)據(jù)來訓(xùn)練神經(jīng)網(wǎng)絡(luò),就可以得到一個(gè)可以使用的神經(jīng)網(wǎng)絡(luò)了。它主要運(yùn)用在以下領(lǐng)域:(1)模式識(shí)別和圖像處理。印刷體和手寫字符識(shí)別、語音識(shí)別、簽字識(shí)別、指紋識(shí)別、人體病理分析、目標(biāo)檢測(cè)與識(shí)別、圖像壓縮和圖
13、像復(fù)制等。(2)控制和優(yōu)化?;み^程控制、機(jī)器人運(yùn)動(dòng)控制、家電控制、半導(dǎo)體生產(chǎn)中摻雜控制、石油精煉優(yōu)化控制和超大規(guī)模集成電路布線設(shè)計(jì)等。(3)預(yù)報(bào)和智能信息管理。股票市場(chǎng)預(yù)測(cè)、地震預(yù)報(bào)、有價(jià)證券管理、借貸風(fēng)險(xiǎn)分析和交通管理。(4)通信。自適應(yīng)均衡、路由選擇和atm網(wǎng)絡(luò)中的呼叫接納識(shí)別和控制。(5)空間科學(xué)??臻g交匯對(duì)接控制、導(dǎo)航信息智能管理、飛行器制導(dǎo)和飛行程序優(yōu)化管理等。常用的神經(jīng)網(wǎng)絡(luò)系統(tǒng)有bp網(wǎng)絡(luò)和rbf網(wǎng)絡(luò)。2.1.1人工神經(jīng)元 生物神經(jīng)元傳遞信息的過程:生物神經(jīng)元是一個(gè)多輸入、單輸出單元。常用的人工神經(jīng)元模型可用圖2.1.1模擬。圖2.1.1人工神經(jīng)元(感知器)示意圖當(dāng)神經(jīng)元j有多個(gè)輸
14、入(i=1,2,m)和單個(gè)輸出時(shí),輸入和輸出的關(guān)系可表示為: 其中j為閾值,為從神經(jīng)元i到神經(jīng)元j的連接權(quán)重因子,f( )為傳遞函數(shù),也稱激勵(lì)函數(shù)。2.2 bp網(wǎng)絡(luò)基本原理2.2.1原理bp網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò),就是在網(wǎng)絡(luò)訓(xùn)練中,調(diào)整網(wǎng)絡(luò)權(quán)值的訓(xùn)練算法是反向傳播法(即學(xué)習(xí)算法)。 如圖1.2.1所示,網(wǎng)絡(luò)是一種具有三層或者三層以上神經(jīng)元的神經(jīng)網(wǎng)絡(luò),包括輸入層、中間層(隱含層)和輸出層。它的上下層之間實(shí)現(xiàn)全面連接,而同一層的神經(jīng)元之間沒有連接,輸入神經(jīng)元與中間神經(jīng)元之間是網(wǎng)絡(luò)的權(quán)值,其意義是兩個(gè)神經(jīng)元之間的神經(jīng)強(qiáng)度。隱含層或輸出層任一神經(jīng)元將前一層所有神經(jīng)元傳來的信息進(jìn)行整合,通常還會(huì)在整
15、合過的信息中添加一個(gè)闕值,這主要是模仿生物學(xué)中神經(jīng)元必須達(dá)到一定的闕值才會(huì)觸發(fā)的原理,然后將整合過的信息作為該層神經(jīng)元輸入。 圖1.2.1當(dāng)一對(duì)學(xué)習(xí)樣本提供給輸入神經(jīng)元后,神經(jīng)元的激活值(該層神經(jīng)元輸出值)從輸入層通過各個(gè)中間層向輸出層傳播,在輸出層的各個(gè)神經(jīng)元獲得網(wǎng)絡(luò)的輸入響應(yīng),然后按照減少網(wǎng)絡(luò)輸出與實(shí)際輸出樣本之間誤差的方向,從輸出層反向經(jīng)過各個(gè)中間層回到輸入層,從而逐步修正各連接權(quán)值,這種算法就稱為誤差反向傳播法,即bp算法。這種誤差逆向傳播修正的反復(fù)進(jìn)行,將不斷提高網(wǎng)絡(luò)對(duì)輸入模式響應(yīng)的正確率。bp算法的核心是數(shù)學(xué)中的“負(fù)梯度下降”理論,即它的誤差調(diào)整方向總是沿著誤差下降最快的方向進(jìn)行,
16、常規(guī)三層bp網(wǎng)絡(luò)哦權(quán)值和闕值調(diào)整公式如下: 其中,e為網(wǎng)絡(luò)輸出和實(shí)際輸出樣本之間的誤差平方和;為網(wǎng)絡(luò)的學(xué)習(xí)速率也就是權(quán)值調(diào)整幅度;為t時(shí)刻輸入層第i個(gè)神經(jīng)元與和中間層第j個(gè)神經(jīng)元的連接權(quán)值;為t+1時(shí)刻輸入層第i個(gè)神經(jīng)元與和中間層第j個(gè)神經(jīng)元的連接權(quán)值;為t時(shí)刻中間層第j個(gè)神經(jīng)元輸出層第k個(gè)神經(jīng)元之間的連接權(quán)值;為t+1時(shí)刻中間層第j個(gè)神經(jīng)元輸出層第k個(gè)神經(jīng)元之間的連接權(quán)值;b為神經(jīng)元的閥值,下標(biāo)的意義與權(quán)值相同。2.2.2 bp網(wǎng)絡(luò)的主要功能目前,在人工神經(jīng)網(wǎng)絡(luò)的實(shí)際應(yīng)用中。絕大部分的神經(jīng)網(wǎng)絡(luò)模型都采用bp神經(jīng)網(wǎng)絡(luò)及其變化形式。它也是前向網(wǎng)絡(luò)的核心部分,體現(xiàn)了人工神經(jīng)網(wǎng)絡(luò)的精華。bp神經(jīng)網(wǎng)絡(luò)
17、具有對(duì)外界刺激和輸入信息進(jìn)行聯(lián)想記憶的能力。這是因?yàn)樗捎昧朔植疾⑿械男畔⑻幚矸绞?,?duì)信息的提取必須采用聯(lián)想的方式,才能將相關(guān)神經(jīng)元全部調(diào)動(dòng)起來。bp 神經(jīng)網(wǎng)絡(luò)通過預(yù)先存儲(chǔ)信息和學(xué)習(xí)機(jī)制進(jìn)行自我適應(yīng)訓(xùn)練,可以從不完整的信息和噪聲干擾中恢復(fù)原始的完整信息。這種能力使其在圖像復(fù)原、語言處理、模式識(shí)別等方面具有重要應(yīng)用。再次,bp神經(jīng)網(wǎng)絡(luò)對(duì)外界輸入樣本有很強(qiáng)的識(shí)別與分類能力,由于它具有強(qiáng)大的非線性處理能力,可以較好地進(jìn)行非線性分類, 解決了神經(jīng)網(wǎng)絡(luò)發(fā)展史上的非線性分類的難題。另外,bp 神經(jīng)網(wǎng)絡(luò)具有優(yōu)化計(jì)算能力。bp神經(jīng)網(wǎng)絡(luò)本質(zhì)上是一個(gè)非線性優(yōu)化問題, 它可以在已知的約束條件下,尋找一組參數(shù)組合,使
18、該組合確定的目標(biāo)函數(shù)達(dá)到最小。因此,bp網(wǎng)絡(luò)主要運(yùn)用在以下四個(gè)方面:(1) 函數(shù)逼近:用輸入向量和相應(yīng)的輸出向量訓(xùn)練一個(gè)網(wǎng)絡(luò)以逼近一個(gè)函數(shù)。(2) 模式識(shí)別:用一個(gè)待定的輸出向量將它與輸入向量聯(lián)系起來。(3) 分類:把輸入向量所定義的合適方式進(jìn)行分類。(4) 數(shù)據(jù)壓縮:減少輸出向量維數(shù)以便傳輸或存儲(chǔ)。2.2.3 bp網(wǎng)絡(luò)的算法bp算法是一種有監(jiān)督式的學(xué)習(xí)算法,其主要思想是:輸入學(xué)習(xí)樣本,使用反向傳播算法對(duì)網(wǎng)絡(luò)的權(quán)值和偏差進(jìn)行反復(fù)的調(diào)整訓(xùn)練,使輸出的向量與期望向量盡可能地接近,當(dāng)網(wǎng)絡(luò)輸出層的誤差平方和小于指定的誤差時(shí)訓(xùn)練完成,保存網(wǎng)絡(luò)的權(quán)值和偏差。其計(jì)算步驟如下:(1) 權(quán)值初始化; 其中,sq
19、為ij,jk或者kl。(2)依次輸入p個(gè)學(xué)習(xí)樣本。設(shè)當(dāng)前輸入第p個(gè)樣本。(3)依次計(jì)算各層的輸出:,或者,j=0,1,,;k=0,1,;l=0,1,m-1(4) 求各層的反傳誤差: 其中,l=0,1,m-1;k=0,1,;j=0,1,。并記下各個(gè), , 的值。 (5)記錄已學(xué)習(xí)過的樣本個(gè)數(shù)p。如果pp,轉(zhuǎn)步驟 (2)繼續(xù)計(jì)算;如果p= p,轉(zhuǎn)步驟(6)。 (6)按權(quán)值修正公式修正各層的權(quán)值或閾值。(7) 按新的權(quán)值進(jìn)行第(4)步。若滿足終止條件即終止,否則轉(zhuǎn)到第(2)步。2.3 公路運(yùn)量 運(yùn)輸行業(yè)的重要性隨著我們經(jīng)濟(jì)的不斷發(fā)展而快速提高,不管是旅客運(yùn)輸還是貨物運(yùn)輸?shù)陌l(fā)展與變化都成為國(guó)民經(jīng)濟(jì)發(fā)展
20、的重要部分,交通運(yùn)輸是國(guó)家重要的基礎(chǔ)產(chǎn)業(yè),對(duì)國(guó)民經(jīng)濟(jì)的發(fā)展有著舉足輕重的作用,同時(shí)對(duì)區(qū)域產(chǎn)業(yè)經(jīng)濟(jì)結(jié)構(gòu)的發(fā)展也有直接的影響。公路運(yùn)輸系統(tǒng)作為交通運(yùn)輸系統(tǒng)的一個(gè)子系統(tǒng),在交通運(yùn)輸系統(tǒng)中的主導(dǎo)作用也日益凸顯。近年來,我國(guó)交通基礎(chǔ)設(shè)施和運(yùn)輸裝備不斷改善,為公路運(yùn)輸市場(chǎng)的快速發(fā)展創(chuàng)造了有利條件。在公路運(yùn)輸生產(chǎn)中,公路運(yùn)輸量是反映交通運(yùn)輸業(yè)生產(chǎn)成果的重要指標(biāo),而在其中公路運(yùn)輸又成為運(yùn)輸行業(yè)的重中之重。公路運(yùn)量主要包括公路客運(yùn)量和公路貨運(yùn)量?jī)蓚€(gè)方面,它主要是負(fù)責(zé)短途運(yùn)輸。一個(gè)地區(qū)的公路運(yùn)量與該地區(qū)的人口、機(jī)動(dòng)車數(shù)量、和公路網(wǎng)的情況有關(guān)。7四川理工學(xué)院畢業(yè)論文第三章 運(yùn)用matlab建立模型預(yù)測(cè)公路運(yùn)量3.1
21、 matlab工具箱3.1.1 matlab工具箱的用途 matlab 是一種科學(xué)與工程計(jì)算的高級(jí)語言,廣泛地運(yùn)用于包括信號(hào)與圖像處理,控制系統(tǒng)設(shè)計(jì),系統(tǒng)仿真等諸多領(lǐng)域。為了解決神經(jīng)網(wǎng)絡(luò)問題中的研究工作量、編程和計(jì)算工作量問題,工程領(lǐng)域中目前較為流行的軟件matlab,就提供了現(xiàn)成的神經(jīng)網(wǎng)絡(luò)工具箱,神經(jīng)網(wǎng)絡(luò)工具箱是在matlab環(huán)境下開發(fā)出來的許多工具箱之一。它以人工神經(jīng)網(wǎng)絡(luò)理論為基礎(chǔ),利用matlab編程語言構(gòu)造出許多典型神經(jīng)網(wǎng)絡(luò)的框架和相關(guān)的函數(shù),這些工具箱函數(shù)主要為兩大部分:一部分函數(shù)特別針對(duì)某一種類型的神經(jīng)網(wǎng)絡(luò)的,如感知器的創(chuàng)建函數(shù)、bp網(wǎng)絡(luò)的訓(xùn)練函數(shù)等;而另外一部分函數(shù)則是通用的,幾
22、乎可以用于所有類型的神經(jīng)網(wǎng)絡(luò),如神經(jīng)網(wǎng)絡(luò)仿真函數(shù)、初始化函數(shù)和訓(xùn)練函數(shù)等。這些函數(shù)的matlab實(shí)現(xiàn),使得設(shè)計(jì)者對(duì)所選定網(wǎng)絡(luò)進(jìn)行計(jì)算的過程,就轉(zhuǎn)變?yōu)閷?duì)函數(shù)的調(diào)用和參數(shù)的選擇,這樣一來,網(wǎng)絡(luò)設(shè)計(jì)人員可以根據(jù)自己的的需要去調(diào)用工具箱中有關(guān)的設(shè)計(jì)和訓(xùn)練程序,從煩瑣的編程中解脫出來,集中精力解決其他問題,從而提高了工作效率。3.1.2 matlab神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)最新版本的神經(jīng)網(wǎng)絡(luò)工具箱幾乎涵蓋了所有的神經(jīng)網(wǎng)絡(luò)的基本常用模型,如感知器和bp網(wǎng)絡(luò)等。對(duì)于各種不同的網(wǎng)絡(luò)模型,神經(jīng)網(wǎng)絡(luò)工具箱集成了多種學(xué)習(xí)算法,為用戶提供了極大的方便。matlab r2007神經(jīng)網(wǎng)絡(luò)工具箱中包含了許多用于bp網(wǎng)絡(luò)分析與設(shè)計(jì)
23、的函數(shù)。bp網(wǎng)絡(luò)的常用函數(shù)如表3.1.1所示。表3.1.1 bp網(wǎng)絡(luò)的常用函數(shù)表函數(shù)類型函數(shù)名稱函數(shù)用途前向網(wǎng)絡(luò)創(chuàng)建函數(shù)newcf創(chuàng)建級(jí)聯(lián)前向網(wǎng)絡(luò)newff創(chuàng)建前向bp網(wǎng)絡(luò)傳遞函數(shù)logsigs型的對(duì)數(shù)函數(shù)tansigs型的正切函數(shù)purelin純線性函數(shù) 學(xué)習(xí)函數(shù)learngd基于梯度下降法的學(xué)習(xí)函數(shù)learngdm梯度下降動(dòng)量學(xué)習(xí)函數(shù)性能函數(shù) mse均方誤差函數(shù)msereg均方誤差規(guī)范化函數(shù) 顯示函數(shù)plotperf繪制網(wǎng)絡(luò)的性能plotes繪制一個(gè)單獨(dú)神經(jīng)元的誤差曲面plotep繪制權(quán)值和閾值在誤差曲面上的位置errsurf計(jì)算單個(gè)神經(jīng)元的誤差曲面3.2 運(yùn)用bp網(wǎng)絡(luò)建模3.2.1應(yīng)用實(shí)
24、例 根據(jù)調(diào)查得知某地區(qū)1990年到2011年的人口機(jī)動(dòng)車數(shù)量,公路面積以及公路客運(yùn)量和貨運(yùn)量的數(shù)據(jù)(見附錄一),需要預(yù)測(cè)2012年和2013年該地區(qū)的公路客運(yùn)量和貨運(yùn)量。 我們可以把該問題分解為六個(gè)模塊: 1 原始數(shù)據(jù)的輸入;2 數(shù)據(jù)歸一化;3 網(wǎng)絡(luò)訓(xùn)練;4 對(duì)原始數(shù)據(jù)進(jìn)行仿真;5 將原始數(shù)據(jù)仿真結(jié)果與樣本進(jìn)行對(duì)比;6 對(duì)新數(shù)據(jù)進(jìn)行仿真。 本次我就運(yùn)用matlab的bp神經(jīng)網(wǎng)絡(luò)的工具箱來編程(見附錄二)建立模型來解決。第四章 結(jié)論與總結(jié)4.1 結(jié)論運(yùn)行3.2.2的程序可得到如下結(jié)果: anew= 1.0e+004* 0.6110 0.6162 1.5859 1.9015 也就是說2012年和2
25、013年的公路客運(yùn)量分別為 6110萬人和6162萬人;貨運(yùn)量分別為15859萬噸和19015萬噸。 圖4.1.1 從學(xué)習(xí)曲線圖(圖4.1.1)中,可以看出網(wǎng)絡(luò)的最后訓(xùn)練的誤差很小,達(dá)到了期望的值。 圖4.1.2 從實(shí)際樣本與網(wǎng)絡(luò)輸出值之間的訓(xùn)練和測(cè)試的對(duì)比圖中(圖4.1.2),可以看出兩者之間的誤差極小,可以放心利用該網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)。4.2 總結(jié) bp神經(jīng)網(wǎng)絡(luò)的運(yùn)用極其廣泛,并且在很多領(lǐng)域都很實(shí)用,在matlab工具箱的幫助下更顯得簡(jiǎn)單快速,bp網(wǎng)絡(luò)對(duì)于非線性的模仿能力很強(qiáng),這也是它能夠廣泛運(yùn)用的重要原因。但它也有一些缺點(diǎn):用過bp網(wǎng)絡(luò)的恩都會(huì)認(rèn)識(shí)到一個(gè)問題,那就是bp網(wǎng)絡(luò)的收斂速度是很慢的;
26、它的網(wǎng)絡(luò)模型的逼近和推廣能力與學(xué)習(xí)樣本的典型性密切相關(guān),所以從問題中選取典型樣本實(shí)例組成訓(xùn)練集就是很重要的,但這本身又是一個(gè)很困難的問題。11參考文獻(xiàn)參考文獻(xiàn)1. 陳明。神經(jīng)網(wǎng)絡(luò)模型m。大連:大連理工大學(xué)出版社,2002。2. 張乃堯,閻平凡。神經(jīng)網(wǎng)絡(luò)與模糊控制m。北京:清華大學(xué)出版社,1998:7-28。3. 周開利,康耀紅。神經(jīng)網(wǎng)絡(luò)模型及其matlab仿真程序設(shè)計(jì)m。北京:清華大學(xué)出版社,2002。4. 戴葵。神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)技術(shù)m。長(zhǎng)沙:國(guó)防科技大學(xué)出版社,1999:33-46。5. 胡守仁,余少波等。神經(jīng)網(wǎng)絡(luò)導(dǎo)論m。長(zhǎng)沙:國(guó)防科技大學(xué)出版社,2003。6. 周志華,曹存根。神經(jīng)網(wǎng)絡(luò)及其應(yīng)用
27、m。北京:清華大學(xué)出版社,2000。7. 蔣良孝,李超群?;赽p神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近方法及其matlab實(shí)現(xiàn)j。微型機(jī)與應(yīng)用,2004,1:52-54。8. 蘭倩,李駿。神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近性分析j。甘肅科學(xué)學(xué)報(bào),2005,1。9. barnsley m f. fractal functions and interpolationj. constry approx,2003, 2(3): 303-32910. 卓金武。matlab在數(shù)學(xué)建模中的應(yīng)用。北京航空航天大學(xué)出版社,2011.4。11. 趙淑芝,田振中,張樹山,等。基于bp 神經(jīng)網(wǎng)絡(luò)的組合預(yù)測(cè)模型及其在公路運(yùn)輸量預(yù)測(cè)中的應(yīng)用j。交通運(yùn)輸系
28、統(tǒng)工程與信息,2006,6(4):108 - 112 。 12. 李曉慧?;趍atlab的bp和經(jīng)網(wǎng)絡(luò)響應(yīng)用。蘇州大學(xué)物理科學(xué)與技術(shù)學(xué)院。13. 董長(zhǎng)虹。 matlab神經(jīng)網(wǎng)絡(luò)與應(yīng)用m。北京: 國(guó)防工業(yè)出版社,2007,64-104。14. 王維國(guó),張靜靜。基于bp神經(jīng)網(wǎng)絡(luò)的貨運(yùn)量預(yù)測(cè)方法期刊論文-物流技術(shù),2005(07)。 15. 韓力群。人工神經(jīng)網(wǎng)絡(luò)理論、設(shè)計(jì)及應(yīng)用,2002。 16. 溫巖,喬兵?;趍atlab工具箱的神經(jīng)網(wǎng)絡(luò)在地震預(yù)報(bào)中的應(yīng)用j。東北地震研究,2001。17. 張圣楠,郭文義,肖力墉。基于matlab的bp神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)與訓(xùn)練i。內(nèi)蒙古科技與經(jīng)濟(jì),2005,4(1
29、7):9598。18. 飛思科技產(chǎn)品研發(fā)中心。神經(jīng)網(wǎng)絡(luò)理論與matlab7 實(shí)現(xiàn)。北京:電子工業(yè)出版社,2005。19. 伍雄斌,劉 偉,郭建鋼?;谏窠?jīng)網(wǎng)絡(luò)的公路運(yùn)輸量預(yù)測(cè)模型及應(yīng)用。福建農(nóng)林大學(xué)學(xué)報(bào)(自然科學(xué)版),第36卷第1期,2007年1月。15致 謝致 謝 時(shí)間如梭,轉(zhuǎn)眼畢業(yè)在即?;叵朐诖髮W(xué)求學(xué)的四年,心中充滿無限感激和留戀之情,母校為我們提供的良好學(xué)習(xí)環(huán)境,使我們能夠在此專心學(xué)習(xí),陶冶情操。經(jīng)過兩個(gè)多月的時(shí)間終于把論文完成了,在這其中難免有很多的辛酸和不少的喜悅。本次論文是在高媛媛老師的細(xì)心和耐心指導(dǎo)下完成的。從選題到整個(gè)論文的寫作到完成都是在高老師的指導(dǎo)下進(jìn)行的,她在百忙中抽初時(shí)
30、間來給我們輔導(dǎo)、指導(dǎo),并給我們耐心地講解我們不懂的地方,傾注了不少的心血在我們的身上。在此,謹(jǐn)向高老師表示崇高的敬意和衷心的感謝。感謝我們一起完成論文的同學(xué),我們一起互相幫助,才能解決一個(gè)又一個(gè)的難題。感謝學(xué)校給我們提供了一個(gè)良好的學(xué)習(xí)環(huán)境,讓我們學(xué)了一些武裝自己的本領(lǐng)。此外還要感謝其它的老師和同學(xué)的關(guān)心和幫助,沒有他們我也不會(huì)這么順利的完成這次畢業(yè)論文。最后,再次感謝所有關(guān)心和幫助過我的老師、同學(xué)和朋友,感謝你們的真誠幫助和熱情的關(guān)心。19附 錄附 錄附錄一:某地區(qū)公路運(yùn)量數(shù)據(jù)表年份人口數(shù)量/萬人機(jī)動(dòng)車數(shù)量/萬輛公路面積/萬平方千米公路客運(yùn)量/萬人公路貨運(yùn)量/萬噸199020.510.50.
31、1151231235199120.610.520.1251361248199221.030.590.1551891365199321.350.610.1752141375199422.320.650.1852681391199522.530.690.2153213425199622.780.720.2553785241199723.580.760.2654315613199823.980.820.2854686243199924.120.980.3155116821200024.251.610.3155437531200124.561.920.3555767891200224.682.310.
32、3755988012200324.992.650.3956458645200425.212.980.4256678962200525.463.240.4858219056200626.013.650.4858249786200726.323.850.51586310025200826.454.110.53592410068200927.254.250.56598511230201027.574.360.58603513450201128.584.780.59607513961201228.734.950.62201328.855.120.67附錄二:程序clcclearsqrs=20.51 2
33、0.61 21.03 21.35 22.32 22.53 22.78 23.58 23.98 24.12 24.25 24.56 24.68 24.99 25.21 25.46 26.01 26.32 26.45 27.25 27.57 28.58;%人數(shù)(單位:萬人)sqjdcs=0.50 0.52 0.59 0.61 0.65 0.69 0.72 0.76 0.82 0.98 1.61 1.92 2.31 2.65 2.98 3.24 3.65 3.85 4.11 4.25 4.36 4.78;%機(jī)動(dòng)車數(shù)(單位:萬輛)sqglmj=0.11 0.12 0.15 0.17 0.18 0.21
34、 0.25 0.26 0.28 0.31 0.31 0.35 0.37 0.39 0.42 0.48 0.48 0.51 0.53 0.56 0.58 0.59;%公路面積(單位:萬平方千米)glkyl=5123 5136 5189 5214 5268 5321 5378 5431 5468 5511 5543 5576 5598 5645 5667 5821 5824 5863 5924 5985 6035 6075;%公路客運(yùn)量(單位:萬人)glhyl=1235 1248 1365 1375 1391 3425 5241 5613 6243 6821 7531 7891 8012 8645
35、 8962 9056 9786 10025 10068 11230 13450 13961;%公路貨運(yùn)量(單位:萬噸)p=sqrs;sqjdcs;sqglmj;t=glkyl;glhyl;pn,minp,maxp,tn,mint,maxt=premnmx(p,t);dx=-1,1;-1,1;-1,1;net=newff(dx,3,7,2,tansig,tansig,purelin,traingdx);net.trainparam.show=1000;net.trainparam.lr=0.05;net.trainparam.epochs=50000;net.trainparam.goal=0.
36、65*10(-3);net=train(net,pn,tn);an=sim(net,pn);a=postmnmx(an,mint,maxt);x=1990:2011;newk=a(1,:);newh=a(2,:);figure (2);subplot(2,1,1);plot(x,newk,ro,x,glkyl,b+);legend(網(wǎng)絡(luò)輸出客運(yùn)量,實(shí)際客運(yùn)量);xlabel(年份);ylabel(客運(yùn)量/萬人);title(運(yùn)用工具箱客運(yùn)量學(xué)習(xí)和測(cè)試對(duì)比圖);subplot(2,1,2);plot(x,newh,ro,x,glhyl,b+);legend(網(wǎng)絡(luò)輸出貨運(yùn)量,實(shí)際貨運(yùn)量);xlab
37、el(年份);ylabel(貨運(yùn)量/萬噸);title(運(yùn)用工具箱學(xué)習(xí)和測(cè)試對(duì)比圖);pnew=28.73 28.85 4.950 5.120 0.620 0.670;pnewn=tramnmx(pnew,minp,maxp);anewn=sim(net,pnewn);anew=postmnmx(anewn,mint,maxt)文獻(xiàn)綜述文獻(xiàn)綜述 交通運(yùn)輸是國(guó)家重要的基礎(chǔ)產(chǎn)業(yè),對(duì)國(guó)民經(jīng)濟(jì)的發(fā)展有著舉足輕重的作用,同時(shí)對(duì)區(qū)域產(chǎn)業(yè)經(jīng)濟(jì)結(jié)構(gòu)的發(fā)展也有直接的影響。公路運(yùn)輸系統(tǒng)作為交通運(yùn)輸系統(tǒng)的一個(gè)子系統(tǒng),在交通運(yùn)輸系統(tǒng)中的主導(dǎo)作用也日益凸顯。近年來,我國(guó)交通基礎(chǔ)設(shè)施和運(yùn)輸裝備不斷改善,為公路運(yùn)輸市場(chǎng)的快
38、速發(fā)展創(chuàng)造了有利條件。在公路運(yùn)輸生產(chǎn)中,公路運(yùn)輸量是反映交通運(yùn)輸業(yè)生產(chǎn)成果的重要指標(biāo),隨著計(jì)算機(jī)技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)的日趨成熟,許多學(xué)者應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)貨運(yùn)量進(jìn)行預(yù)測(cè),一些學(xué)者應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)建立的公路貨運(yùn)量組合預(yù)測(cè)模型具有較高的預(yù)測(cè)精度。反映公路產(chǎn)量的指標(biāo)還有客貨周轉(zhuǎn)量,它更能綜合反映公路運(yùn)輸部門為社會(huì)提供運(yùn)輸服務(wù)的能力,所以建立一個(gè)較好預(yù)測(cè)系統(tǒng)對(duì)公路網(wǎng)規(guī)劃、建設(shè)和管理更具有指導(dǎo)意義。人工神經(jīng)網(wǎng)絡(luò)(artificial neural networks)理論是近年來發(fā)展起來的模擬人腦生物過程的人工智能技術(shù),是在模擬人腦神經(jīng)組織的基礎(chǔ)上發(fā)展起來的計(jì)算系統(tǒng),是由大量處理單元通過廣泛互聯(lián)而構(gòu)成的網(wǎng)絡(luò)體系,它具有生物神經(jīng)系統(tǒng)的基本特征,在一定程度上反映了人腦功能的若干反映,是對(duì)生物系統(tǒng)的某種模擬。適合于因果關(guān)系復(fù)雜的非確定性推理、判斷、識(shí)別和分類等問題。它在模式識(shí)別、計(jì)算機(jī)視覺、信號(hào)處理、非線性優(yōu)化、語音識(shí)別、聲納識(shí)別、傳感技術(shù)與機(jī)器人、生物醫(yī)學(xué)工程等領(lǐng)域有著廣泛的應(yīng)用。隨著神經(jīng)網(wǎng)絡(luò)理論研究和實(shí)際應(yīng)用的不斷深入,研究神經(jīng)網(wǎng)絡(luò)的個(gè)方面的應(yīng)用迅速發(fā)展。特別是matlab神經(jīng)網(wǎng)絡(luò)工具箱函數(shù),為神經(jīng)網(wǎng)絡(luò)的研究和設(shè)計(jì)提供了強(qiáng)有力的工具,所取得的成果已經(jīng)廣泛應(yīng)用于神經(jīng)網(wǎng)絡(luò)的教學(xué)、科研
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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 二零二五版機(jī)床設(shè)備采購與生產(chǎn)自動(dòng)化升級(jí)合同3篇
- 2025版小區(qū)房屋裝修節(jié)能環(huán)保技術(shù)實(shí)施合同2篇
- 2025年度紙箱包裝設(shè)計(jì)大賽贊助承包協(xié)議4篇
- 二手鋼結(jié)構(gòu)買賣協(xié)議(2024年版)3篇
- 2025版建設(shè)工程委托擔(dān)保合同范本3篇
- 2025年度旅游行業(yè)試崗導(dǎo)游合同范本
- 2025年度機(jī)動(dòng)車碰撞責(zé)任免除合同
- 2025年度木材砍伐與生態(tài)旅游開發(fā)合同
- 2025年度豪華別墅裝修合同糾紛專業(yè)咨詢合同
- 2025年度電焊工用工安全教育與技能提升合同書二零二五年度
- 2025年度杭州市固廢處理與資源化利用合同3篇
- 2024年安徽省公務(wù)員錄用考試《行測(cè)》真題及答案解析
- 部編版二年級(jí)下冊(cè)《道德與法治》教案及反思(更新)
- 充電樁項(xiàng)目運(yùn)營(yíng)方案
- 退休人員出國(guó)探親申請(qǐng)書
- 高中物理競(jìng)賽真題分類匯編 4 光學(xué) (學(xué)生版+解析版50題)
- 西方經(jīng)濟(jì)學(xué)-高鴻業(yè)-筆記
- 幼兒園美術(shù)教育研究策略國(guó)內(nèi)外
- 2024屆河南省五市高三第一次聯(lián)考英語試題及答案
- 孕婦學(xué)校品管圈課件
- 《愿望的實(shí)現(xiàn)》交流ppt課件2
評(píng)論
0/150
提交評(píng)論