原文传递
基于遗传神经网络时间序列法的交通荷载动态预测
| 论文题名： | 基于遗传神经网络时间序列法的交通荷载动态预测 |
| 关键词： | 交通荷载;BP神经网络;遗传算法;时间序列预测;交通量预测 |
| 摘要： | 交通荷载的动态预测是进行路面设计和评价的前提，其预测的正确与否将直接影响到设计和评价的合理性。交通荷载的变化受各种因素的影响，特别是随着时间的推移，交通荷载将呈现出动态变化的趋势。 事物之间存在其内部固有的规律，历年的交通荷载变化也应有一定的规律。这种规律可能不是一般的规律，它有其复杂性。在以往的交通量预测方法中都对这种规律进行了研究，但效果并不是特别好。 人工智能技术的出现给预测方法的改进提供了更好的理论。神经网络使预测的精度更进一步提高，但它本身也有缺点。为了弥补这些缺点，本文提出了将遗传算法和神经网络相结合，通过遗传算法对神经网络进行优化，利用历年的交通荷载量对网络进行训练。优化后的神经网络能更好的反映出交通荷载量之间的内部关系。利用经过优化、训练好的神经网络再进行预测，就能得到理想的效果。 本文采用人工智能的方法开发路面交通荷载预测模型。针对预测系统的非线性，采用将遗传算法与BP网络相结合的算法。利用遗传算法全局寻优的特点来优化BP网络权值和阙值，从而克服了BP网络固有的缺陷。用这样一个较优的GA-BP模型对路面交通荷载进行预测。采用MATLAB语言对所建模型进行仿真，从而验证了模型的可行性。将GA-BP算法与已有的其他算法进行比较，得出GA-BP算法的性能优越性。取河南省1988～1993年的平均交通荷载量进行训练，用1994年的平均交通荷载量进行模型检验。对比各种预测方法的预测结果，得出GA-BP预测的准确性。 |
| 作者： | 秦元营 |
| 专业： | 道路与铁道工程 |
| 导师： | 孔永健;武云鹏 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2007 |
| 正文语种： | 中文 |
检索历史
应用推荐
