2022年神经网络在公路运量中的预测 .pdf

《2022年神经网络在公路运量中的预测 .pdf》由会员分享，可在线阅读，更多相关《2022年神经网络在公路运量中的预测 .pdf（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、神经网络在公路运量中的预测1. 问题的描述公路运量主要包括公路客运量和公路货运量两个方面。据研究，某地区的公路运量主要与该地区的人数、 机动车数量和公路面积有关， 表 1 中给出了某地区20 年的公路运量相关数据，表中人数和公路客运量的单位为万人，机动车数量的单位为万辆，公路面积的单位为万平方千米，公路货运量单位为万吨。根据相关部门数据，该地区2010 年和 2011 年的人数分别为73.39 和 75.55万人，机动车数量分别为3.9635 和 4.0975 万辆，公路面积将分别为0.9880 和1.0268万平方千米。我们将利用BP 神经网络预测该地区2010年和 2011年的公路客运量和

2、公路货运量。2. BP神经网络求解过程表 1 某地区 20 年公路运量数据年份人口数量（万人）机动车数量（万辆）公路面积（万平方千米）公路客运量（万人）公路货运量（万吨）1990 20.55 0.6 0.09 5126 1237 1991 22.44 0.75 0.11 6217 1379 1992 25.37 0.85 0.11 7730 1385 1993 27.13 0.90 0.14 9145 1399 1994 29.45 1.05 0.20 10460 1663 1995 30.1 1.35 0.23 11387 1714 1996 30.96 1.45 0.23 12353 18

3、34 1997 34.06 1.60 0.32 15750 4322 1998 36.42 1.70 0.32 18304 8132 1999 38.09 1.85 0.34 19836 8936 2000 39.13 2.15 0.36 21024 11099 2001 39.99 2.20 0.36 19490 11203 2002 41.93 2.25 0.38 20433 10524 2003 44.59 2.35 0.49 22598 11115 名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - -

4、 - - - - 第 1 页，共 6 页 - - - - - - - - - 2004 47.30 2.50 0.56 25107 13320 2005 52.89 2.60 0.59 33442 16762 2006 55.73 2.70 0.59 36836 18673 2007 56.76 2.85 0.67 40548 20724 2008 59.17 2.95 0.69 42927 20803 2009 60.63 3.10 0.79 43462 21804 具体程序如下：clc %yuanshishuju%renshua=20.55 22.44 25.37 27.13 29.45

5、30.10 30.96 34.06 35.42 38.09 39.13 39.99 41.93 44.59 47.30 52.89 55.73 56.76 59.17 60.63; %jidongcheshub=0.6 0.75 0.85 0.9 1.05 1.35 1.45 1.6 1.7 1.85 2.15 2.2 2.25 2.35 2.5 2.6 2.7 2.85 2.95 3.1; %gonglumianjic=0.09 0.11 0.11 0.14 0.20 0.23 0.23 0.32 0.32 0.34 0.36 0.36 0.38 0.49 0.56 0.59 0.59 0.

6、67 0.69 0.79; %gonglukeyunliangd=5126 6217 7730 9145 10460 11387 12353 15750 18304 19836 21024 19490 20433 22598 25107 33442 36836 40548 42927 43462; %gongluhuoyunliange=1237 1379 1385 1399 1663 1714 1834 4322 8132 8936 11099 11203 10524 11115 13320 16762 18673 20724 20803 21804; p=a;b;c; t=d;e; pn,

7、minp,maxp,tn,mint,maxt=premnmx(p,t); 名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 2 页，共 6 页 - - - - - - - - - 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=20000; net.

8、trainParam.goal=0.65*10(-3); net=train(net,pn,tn); an=sim(net,pn); a=postmnmx(an,mint,maxt); x=1990:2009; newk=a(1,:); newh=a(2,:); figure(2); subplot(2,1,1); plot(x,newk,r-o,x,d,b-+); legend(网络输出客运量 ,实际客运量 ); xlabel(年份); ylabel(客运量 /万人); title(运用工具箱客运量学习和测试对比图) ; subplot(2,1,2); plot(x,newh,r-o,x,e

9、,b-+); legend(网络输出货运量 ,实际货运量 ); xlabel(年份); ylabel(货运量 /万人); title(运用工具箱货运量学习和测试对比图) ; pnew=73.39 75.55 名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 3 页，共 6 页 - - - - - - - - - 3.9635 4.0975 0.9880 1.0268; pnewn=tramnmx(pnew,minp,maxp); anewn=sim(net,pnewn); anew=p

10、ostmnmx(anewn,mint,maxt) 3. 训练结果分析运行程序，可以得到如下结果以及图1 所示对比图。199019921994199619982000200220042006200820100246x 104年 份客运量/万吨运 用 工 具 箱 客 运 量 学 习 和 测 试 对 比 图网 络 输 出 客 运 量实 际 客 运 量199019921994199619982000200220042006200820100123x 104年 份货运量/万吨运 用 工 具 箱 货 运 量 学 习 和 测 试 对 比 图网 络 输 出 货 运 量实 际 货 运 量图 1 运用 MATLA

11、B 自带神经网络工具箱生成的原始数据与仿真数据的对比图anew = 1.0e+004 * 4.5886 4.6209 2.0307 1.9883 也就是说，2010年和 2011年的公路客运量分别为45886万人和 46209万人，公路货运量分别为20307 万吨和 19883 万吨。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 4 页，共 6 页 - - - - - - - - - 0200040006000800010000120001400010-410-310-210-11

12、00101Best Training Performance is 0.00064986 at epoch 14837MeanSquaredError(mse)14837 EpochsTrainBestGoal图 2 网络训练结-1-0.500.51-1-0.8-0.6-0.4-0.200.20.40.60.81TargetOutput=1*Target+-0.00028Training: R=0.99927DataFitY = T图 3 网络训练结果分析图形名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 5 页，共 6 页 - - - - - - - - - 网络的学习曲线如图2 所示，可以看出训练所得的误差很小，达到目标值。图 3 给出了网络训练结果分析图形， 横坐标为目标输出，纵坐标为网络输出，“”表示数据，理想回归直线由实线表示，最优回归直线由虚线表示。从图3 中可以看出虚线和直线几乎重合，说明网络具有很好的性能。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 6 页，共 6 页 - - - - - - - - -