發(fā)布時(shí)間：2020-05-21 03:06

【摘要】： 作為運(yùn)輸基礎(chǔ)設(shè)施建設(shè)的投資決策基礎(chǔ),貨運(yùn)量預(yù)測(cè)在國(guó)家和區(qū)域經(jīng)濟(jì)發(fā)展規(guī)劃中具有十分重要的意義。貨運(yùn)量預(yù)測(cè)的研究目標(biāo)就是如何在運(yùn)輸系統(tǒng)中挖掘出有效的信息,利用預(yù)測(cè)模型對(duì)這些數(shù)據(jù)和信息進(jìn)行加工,從而為交通管理部門和運(yùn)輸企業(yè)提供準(zhǔn)確高效的貨運(yùn)量預(yù)測(cè),方便相關(guān)部門和企業(yè)單位合理安排運(yùn)力,實(shí)現(xiàn)對(duì)貨運(yùn)過(guò)程的控制。 關(guān)于貨運(yùn)量預(yù)測(cè)的研究已有很長(zhǎng)的歷史,在實(shí)際中一般都采用定量預(yù)測(cè)的方法。時(shí)間序列分析法和回歸分析法都是基于經(jīng)典統(tǒng)計(jì)學(xué)的方法,它們的模型構(gòu)造已經(jīng)非常成熟,在貨運(yùn)量預(yù)測(cè)上有一定的應(yīng)用;灰色預(yù)測(cè)法和神經(jīng)網(wǎng)絡(luò)法是當(dāng)前預(yù)測(cè)研究領(lǐng)域中的熱點(diǎn),有很大的研究空間。尤其是徑向基函數(shù)(Radial Basis Function,RBF)神經(jīng)網(wǎng)絡(luò),它具有最佳函數(shù)逼近性能和全局最優(yōu)特性,是目前其它方法所無(wú)法比擬的。 本文在分析了國(guó)內(nèi)外研究現(xiàn)狀的基礎(chǔ)上,采用RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行貨運(yùn)量預(yù)測(cè)。由于傳統(tǒng)RBF神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)前需要通過(guò)經(jīng)驗(yàn)公式或?qū)嶒?yàn)者人為確定網(wǎng)絡(luò)結(jié)構(gòu),這樣訓(xùn)練出的網(wǎng)絡(luò)往往并非最優(yōu)。對(duì)此,本文改進(jìn)了RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法,提出了一種基于聚類的動(dòng)態(tài)自生成隱含層節(jié)點(diǎn)的思想。它是一種兩階段學(xué)習(xí)算法,先通過(guò)聚類得到中心和擴(kuò)展常數(shù),后通過(guò)最小二乘法得到輸出權(quán)矩陣。在網(wǎng)絡(luò)參數(shù)學(xué)習(xí)的同時(shí)網(wǎng)絡(luò)結(jié)構(gòu)也在進(jìn)行調(diào)整,使得誤差不斷減小。本文在MATLAB7.0平臺(tái)上編程實(shí)現(xiàn)了該學(xué)習(xí)算法,并通過(guò)兩組函數(shù)實(shí)例驗(yàn)證了動(dòng)態(tài)聚類算法的學(xué)習(xí)效率和外推逼近能力。 針對(duì)一些應(yīng)用實(shí)例采用了兩次預(yù)測(cè)的方式,本文在將動(dòng)態(tài)聚類學(xué)習(xí)算法應(yīng)用到貨運(yùn)量預(yù)測(cè)實(shí)例時(shí),又定義了一個(gè)融入了時(shí)域信息的延拓矩陣。其基本思路是采用一個(gè)拓展的矩陣來(lái)改善輸入輸出數(shù)據(jù)的對(duì)應(yīng)結(jié)構(gòu),簡(jiǎn)化預(yù)測(cè)過(guò)程,使神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)數(shù)據(jù)能夠在更大程度上得到利用,從而有效的加強(qiáng)RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí),消除累積誤差。最后,將基于延拓矩陣的動(dòng)態(tài)聚類學(xué)習(xí)算法應(yīng)用到公路貨運(yùn)量預(yù)測(cè)和貨運(yùn)總量預(yù)測(cè)模型中,實(shí)驗(yàn)結(jié)果證明了基于延拓矩陣的動(dòng)態(tài)聚類學(xué)習(xí)算法是行之有效的。
【圖文】：

人工智能等[34-37]。人工神經(jīng)網(wǎng)絡(luò)作為一門快速發(fā)展著的論、新的應(yīng)用成果正在層出不窮地涌現(xiàn)出來(lái)。絡(luò)（徑向基神經(jīng)網(wǎng)絡(luò)）的提出和研究是最近幾年的事，前向網(wǎng)絡(luò)，具有最佳函數(shù)逼近性能和全局最優(yōu)特性，廣逼近和信號(hào)處理等方面。大部分基于反饋的多層前饋網(wǎng)性優(yōu)化技術(shù)的缺點(diǎn)，計(jì)算量大、學(xué)習(xí)速度慢，而 RBF力，而且計(jì)算量少，學(xué)習(xí)速度一般也比其它算法快得多隱含層的前饋型網(wǎng)絡(luò)。隱含層中的基函數(shù)對(duì)輸入激勵(lì)產(chǎn)入落在輸入空間中一個(gè)很小的指定區(qū)域中時(shí)，隱含層節(jié)于徑向基函數(shù)的中心和半徑的確定，，是最近 RBF 神經(jīng)網(wǎng)絡(luò)的工作原理及特點(diǎn)明，人的神經(jīng)元是由細(xì)胞體樹(shù)突和軸突組成的。其中，其他神經(jīng)細(xì)胞傳入的神經(jīng)沖動(dòng)，傳入的神經(jīng)沖動(dòng)會(huì)引起變化超過(guò)一定閾值時(shí)，將引起神經(jīng)細(xì)胞的興奮，這一興經(jīng)元。

數(shù)：2122||XC||f(x)1 =+σadric 函數(shù)：2122||XC||f(x)1 =+σ-122||XC||f(x)1 =+σ中心點(diǎn)距離的增大，Gaussian，Inverse Multiquadric，qudric 函數(shù)是單調(diào)遞增的。形如 Gaussian 函數(shù)這種呈的局部特性(只在中心點(diǎn)附近的某一鄰域內(nèi)變化顯著值逐漸趨近于零)，因此這類徑向基函數(shù)在實(shí)際中應(yīng)數(shù)作為隱含層節(jié)點(diǎn)的激勵(lì)函數(shù)，它有兩個(gè)主要參數(shù)：另一個(gè)是基函數(shù)的擴(kuò)展常數(shù)σ ，即在多大的區(qū)域內(nèi)會(huì)感性的認(rèn)識(shí)，下面以 Gaussian 為例作出了徑向基函數(shù)
【學(xué)位授予單位】：天津理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2008
【分類號(hào)】：TP183;U492.313

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張飛;段志峰;;RBF神經(jīng)網(wǎng)絡(luò)在邊坡穩(wěn)定性中的應(yīng)用研究[J];西部探礦工程;2011年08期

2 林傳橋;;轉(zhuǎn)爐煉鋼技術(shù)的自動(dòng)化控制研究[J];企業(yè)家天地(理論版);2011年06期

3 孫穎;王健;;基于DSP伺服控制的分切機(jī)應(yīng)用[J];長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年01期

4 國(guó)蓉;何鎮(zhèn)安;;基于RBF神經(jīng)網(wǎng)絡(luò)的被動(dòng)聲定位算法研究[J];微電子學(xué)與計(jì)算機(jī);2011年07期

5 張洪萍;稅愛(ài)社;謝敏;沈鑫;;基于RBF神經(jīng)網(wǎng)絡(luò)和定性趨勢(shì)分析的傳感器故障診斷[J];后勤工程學(xué)院學(xué)報(bào);2011年04期

6 陳水平;吳開(kāi)貴;;P2P網(wǎng)絡(luò)基于CPU動(dòng)態(tài)處理能力的超級(jí)節(jié)點(diǎn)選取[J];計(jì)算機(jī)工程與應(yīng)用;2011年19期

7 安逸;江丹;;RBF在冷軋?jiān)诰�監(jiān)測(cè)與故障診斷中的應(yīng)用[J];計(jì)算機(jī)與數(shù)字工程;2011年08期

8 徐翔;;網(wǎng)絡(luò)信息安全風(fēng)險(xiǎn)評(píng)估建模及研究[J];實(shí)驗(yàn)科學(xué)與技術(shù);2011年04期

9 楊翠蘭;;基于Borda序值和RBF神經(jīng)網(wǎng)絡(luò)的知識(shí)鏈風(fēng)險(xiǎn)預(yù)警[J];統(tǒng)計(jì)與決策;2011年17期

10 姚應(yīng)水;葉明全;;RBF神經(jīng)網(wǎng)絡(luò)與logistic回歸模型的對(duì)比研究[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2011年04期

相關(guān)會(huì)議論文 前10條

1 游培寒;王振家;;一種構(gòu)造徑向基神經(jīng)網(wǎng)絡(luò)的新型IPL算法[A];圖像 仿真 信息技術(shù)——第二屆聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

2 張秀艷;王秀芳;王慶蒙;陶國(guó)彬;;基于RBF神經(jīng)網(wǎng)絡(luò)的非線性濾波研究[A];首屆信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2003年

3 宋宜斌;王培進(jìn);;一種改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型[A];2005年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2005年

4 田曉;顏勇;孔凡坊;顧德英;;新型神經(jīng)網(wǎng)絡(luò)在短期負(fù)荷預(yù)測(cè)中的應(yīng)用研究[A];山東電機(jī)工程學(xué)會(huì)第五屆供電專業(yè)學(xué)術(shù)交流會(huì)論文集[C];2008年

5 于秀麗;沈雪勤;;RBF神經(jīng)網(wǎng)絡(luò)的一種新的學(xué)習(xí)算法[A];第六屆全國(guó)計(jì)算機(jī)應(yīng)用聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

6 黃亮;陳娟;馬俊功;;基于RBF網(wǎng)絡(luò)自校正的氣動(dòng)位置伺服系統(tǒng)跟綜控制[A];第四屆全國(guó)流體傳動(dòng)與控制學(xué)術(shù)會(huì)議論文集[C];2006年

7 張東昌;符秀輝;;RBF神經(jīng)網(wǎng)絡(luò)在網(wǎng)絡(luò)時(shí)延預(yù)測(cè)中的應(yīng)用[A];第七屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2009年

8 白基成;黃河;郭永豐;盧澤生;;高速電火花小孔加工電極損耗預(yù)測(cè)技術(shù)的研究[A];2007年中國(guó)機(jī)械工程學(xué)會(huì)年會(huì)論文集[C];2007年

9 付培眾;尹怡欣;;基于PSO-RBF的神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[A];2007'儀表，自動(dòng)化及先進(jìn)集成技術(shù)大會(huì)論文集（一）[C];2007年

10 崔超;徐筱麟;韓晶;;一種兩種算法結(jié)合的網(wǎng)絡(luò)延時(shí)預(yù)測(cè)算法[A];2007北京地區(qū)高校研究生學(xué)術(shù)交流會(huì)通信與信息技術(shù)會(huì)議論文集（下冊(cè)）[C];2008年

相關(guān)博士學(xué)位論文 前10條

1 梁協(xié)雄;數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)及其應(yīng)用研究[D];重慶大學(xué);2004年

2 崔根群;用于危險(xiǎn)品檢測(cè)的移動(dòng)機(jī)械手的運(yùn)動(dòng)性能分析及其控制[D];河北工業(yè)大學(xué);2007年

3 楊會(huì)云;工程量清單計(jì)價(jià)模式下的投標(biāo)報(bào)價(jià)決策研究[D];東北林業(yè)大學(xué);2009年

4 尹建川;徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)及其在船舶運(yùn)動(dòng)控制中的應(yīng)用研究[D];大連海事大學(xué);2007年

5 景春國(guó);低能射線法油水氣相含率測(cè)量研究[D];燕山大學(xué);2008年

6 羅紅霞;地學(xué)知識(shí)輔助遙感進(jìn)行山地丘陵區(qū)基于系統(tǒng)分類標(biāo)準(zhǔn)的土壤自動(dòng)分類方法研究[D];武漢大學(xué);2005年

7 萬(wàn)毅;基于RBFNN的接觸網(wǎng)系統(tǒng)可靠性設(shè)計(jì)方法研究[D];西南交通大學(xué);2006年

8 葉光;基于VV&A的船舶運(yùn)動(dòng)控制系統(tǒng)仿真的研究[D];大連海事大學(xué);2007年

9 林壯;欠驅(qū)動(dòng)水平機(jī)械臂滑模變結(jié)構(gòu)控制研究[D];哈爾濱工程大學(xué);2007年

10 祖莉;智能割草機(jī)器人全區(qū)域覆蓋運(yùn)行的控制和動(dòng)力學(xué)特性研究[D];南京理工大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 魏艷強(qiáng);基于RBF神經(jīng)網(wǎng)絡(luò)的貨運(yùn)量預(yù)測(cè)模型研究[D];天津理工大學(xué);2008年

2 姚建明;基于神經(jīng)網(wǎng)絡(luò)的電液伺服系統(tǒng)智能控制研究[D];太原理工大學(xué);2005年

3 陳文科;神經(jīng)網(wǎng)絡(luò)在項(xiàng)目總承包風(fēng)險(xiǎn)中的應(yīng)用[D];西安建筑科技大學(xué);2005年

4 張振;基于解析冗余的非線性系統(tǒng)故障診斷方法研究[D];南京理工大學(xué);2005年

5 劉海勃;基于RBF神經(jīng)網(wǎng)絡(luò)的期貨走勢(shì)預(yù)測(cè)模型研究[D];大連海事大學(xué);2006年

6 張平;遺傳神經(jīng)網(wǎng)絡(luò)在PMSM控制系統(tǒng)中的應(yīng)用研究[D];武漢理工大學(xué);2006年

7 戎輝;移動(dòng)機(jī)械手的分層控制結(jié)構(gòu)及其協(xié)調(diào)控制方法研究[D];河北工業(yè)大學(xué);2006年

8 姜曉君;基于無(wú)線傳感器網(wǎng)絡(luò)的信息融合算法研究[D];鄭州大學(xué);2007年

9 胡霞;NTS中學(xué)生認(rèn)知能力評(píng)價(jià)系統(tǒng)的研究與應(yīng)用[D];武漢理工大學(xué);2006年

10 林程軍;采用單片機(jī)的電阻點(diǎn)焊智能控制器開(kāi)發(fā)[D];沈陽(yáng)工業(yè)大學(xué);2006年

本文編號(hào)：2673631