原文传递
BP神经网络在城市轨道交通客流短时预测中的应用研究
| 论文题名： | BP神经网络在城市轨道交通客流短时预测中的应用研究 |
| 关键词： | 轨道交通客流;短时预测;BP神经网络;遗传算法;粒子群算法 |
| 摘要： | 城市轨道交通以其大载客量、快捷、准时、安全和环保而成为解决交通拥挤的最有效手段。对轨道交通客流的短时预测是交通客运部门及时调整运营计划的基础，同时也是评价轨道交通服务水平的重要依据。 本文在对BP神经网络的研究基础上，建立了基于BP神经网络的轨道交通客流短时预测模型，并引入LM算法对BP神经网络进行改进，利用南京地铁十号线雨山路站、文德路站、龙华路站和临江路站等四个站点的进站客流数据进行仿真预测。结果证明:LM-BP神经网络相比原BP神经网络的预测结果在平均绝对百分误差(MAPE)和平均绝对偏差(MAD)两个指标上都明显减小，预测精度有了大幅度提高。 为了克服LM-BP神经网络易于陷入局部极小值的缺陷，本文选用遗传算法(GA)和粒子群算法(PSO)分别优化LM-BP算法，在此基础上分别建立了基于GA-LM-BP神经网络和PSO-LM-BP神经网络的轨道交通客流短时预测模型。遗传算法能够对LM-BP神经网络的初始权值以及阈值进行优化，得到较优解之后再代入原神经网络中求得最优解;粒子群算法是将LM-BP的初始权值和阈值作为随机初始化的粒子，其以迭代的方式不断更新自身的速度和位置，最终找到最优解和最优位置，然后将得到的权值和阈值代入原神经网络中求得最优解。同样利用雨山路站、文德路站、龙华路站和临江路站四个站点的进站客流数据进行仿真模拟，结果表明:经遗传算法和粒子群算法优化后的LM-BP神经网络在MAPE和MAD两个误差指标上相较原LM-BP法的预测结果均有所减小，预测精度得到了进一步的提高。 |
| 作者： | 王立政 |
| 专业： | 建筑与土木工程 |
| 导师： | 朱从坤 |
| 授予学位： | 硕士 |
| 授予学位单位： | 苏州科技大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
