基于RBF神經(jīng)網(wǎng)絡(luò)的貨運量預(yù)測模型研究.pdf

1、作為運輸基礎(chǔ)設(shè)施建設(shè)的投資決策基礎(chǔ)，貨運量預(yù)測在國家和區(qū)域經(jīng)濟發(fā)展規(guī)劃中具有十分重要的意義。貨運量預(yù)測的研究目標就是如何在運輸系統(tǒng)中挖掘出有效的信息，利用預(yù)測模型對這些數(shù)據(jù)和信息進行加工，從而為交通管理部門和運輸企業(yè)提供準確高效的貨運量預(yù)測，方便相關(guān)部門和企業(yè)單位合理安排運力，實現(xiàn)對貨運過程的控制。關(guān)于貨運量預(yù)測的研究已有很長的歷史，在實際中一般都采用定量預(yù)測的方法。時間序列分析法和回歸分析法都是基于經(jīng)典統(tǒng)計學(xué)的方法，它們的模型構(gòu)造已經(jīng)

2、非常成熟，在貨運量預(yù)測上有一定的應(yīng)用；灰色預(yù)測法和神經(jīng)網(wǎng)絡(luò)法是當前預(yù)測研究領(lǐng)域中的熱點，有很大的研究空間。尤其是徑向基函數(shù)(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法比擬的。 本文在分析了國內(nèi)外研究現(xiàn)狀的基礎(chǔ)上，采用RBF神經(jīng)網(wǎng)絡(luò)進行貨運量預(yù)測。由于傳統(tǒng)RBF神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)前需要通過經(jīng)驗公式或?qū)嶒炚呷藶榇_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)。對此，本文改進了RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法，提出了一

3、種基于聚類的動態(tài)自生成隱含層節(jié)點的思想。它是一種兩階段學(xué)習(xí)算法，先通過聚類得到中心和擴展常數(shù)，后通過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)的同時網(wǎng)絡(luò)結(jié)構(gòu)也在進行調(diào)整，使得誤差不斷減小。本文在MATLAB7.0平臺上編程實現(xiàn)了該學(xué)習(xí)算法，并通過兩組函數(shù)實例驗證了動態(tài)聚類算法的學(xué)習(xí)效率和外推逼近能力。針對一些應(yīng)用實例采用了兩次預(yù)測的方式，本文在將動態(tài)聚類學(xué)習(xí)算法應(yīng)用到貨運量預(yù)測實例時，又定義了一個融入了時域信息的延拓矩陣。其基本思路是采用