基于混合智能算法的鐵路運(yùn)量預(yù)測(cè)研究.pdf

1、近年來(lái)隨著我國(guó)經(jīng)濟(jì)持續(xù)快速增長(zhǎng),鐵路事業(yè)得到了跨越式發(fā)展,在建的鐵路項(xiàng)目很多,還有很多的項(xiàng)目即將陸續(xù)開(kāi)工。運(yùn)量預(yù)測(cè)是鐵路建設(shè)項(xiàng)目前期工作的核心內(nèi)容之一,運(yùn)量預(yù)測(cè)的水平和質(zhì)量將直接影響到項(xiàng)目決策的科學(xué)性,而運(yùn)量預(yù)測(cè)水平和質(zhì)量在很大程度上取決于采用的預(yù)測(cè)方法。因此分析鐵路運(yùn)量的預(yù)測(cè)方法,研究如何提高預(yù)測(cè)的準(zhǔn)確性和科學(xué)性是十分必要的。
　　 本文旨在將人工神經(jīng)網(wǎng)絡(luò)、改進(jìn)粒子群優(yōu)化算法組合的混合智能算法引入鐵路運(yùn)量預(yù)測(cè)領(lǐng)域中,并以預(yù)測(cè)精

2、度為目標(biāo),研究上述人工智能算法在鐵路運(yùn)量預(yù)測(cè)中的應(yīng)用。論文的主要內(nèi)容如下:
　　 論文首先分析了鐵路運(yùn)量預(yù)測(cè)的重要性,總結(jié)了目前鐵路運(yùn)量預(yù)測(cè)的常用方法,并分析了各種方法的使用范圍和優(yōu)缺點(diǎn)。在此基礎(chǔ)上提出分別以BP神經(jīng)網(wǎng)絡(luò)、灰色神經(jīng)網(wǎng)絡(luò)與改進(jìn)的粒子群優(yōu)化算法融合的兩種混合智能算法進(jìn)行鐵路運(yùn)量預(yù)測(cè)的思想。
　　 其次分別敘述了BP神經(jīng)網(wǎng)絡(luò)、灰色神經(jīng)網(wǎng)絡(luò)(GNN)的結(jié)構(gòu)及其學(xué)習(xí)算法過(guò)程。
　　 接著研究了標(biāo)準(zhǔn)粒子群優(yōu)化

3、算法(PSO),在此基礎(chǔ)上提出一種基于非線性權(quán)重變化的改進(jìn)粒子群優(yōu)化算法(IPSO),以四個(gè)標(biāo)準(zhǔn)測(cè)試函數(shù)驗(yàn)證了其有效性。
　　 然后通過(guò)采用IPSO算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)連接權(quán)值,建立基于IPSO-BP神經(jīng)網(wǎng)絡(luò)的鐵路運(yùn)量預(yù)測(cè)模型,并以某階段全國(guó)鐵路客運(yùn)量和貨運(yùn)量實(shí)際情況為研究背景進(jìn)行了仿真研究與對(duì)比分析,仿真研究結(jié)果驗(yàn)證了此方法是有效可行的。
　　 另外進(jìn)一步研究了鐵路運(yùn)量在信息不足條件下使用GNN建立預(yù)測(cè)模型的方法。在此