本文選題：鐵路運(yùn)量預(yù)測 + 混合智能算法　； 參考：《蘭州交通大學(xué)》2012年碩士論文

【摘要】：近年來隨著我國經(jīng)濟(jì)持續(xù)快速增長,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)開工。運(yùn)量預(yù)測是鐵路建設(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)測水平和質(zhì)量在很大程度上取決于采用的預(yù)測方法。因此分析鐵路運(yùn)量的預(yù)測方法,研究如何提高預(yù)測的準(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)測領(lǐng)域中,并以預(yù)測精度為目標(biāo),研究上述人工智能算法在鐵路運(yùn)量預(yù)測中的應(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)測的重要性,總結(jié)了目前鐵路運(yùn)量預(yù)測的常用方法,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)算法過程。 接著研究了標(biāo)準(zhǔn)粒子群優(yōu)化算法(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)測試函數(shù)驗(yàn)證了其有效性。 然后通過采用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)測模型,并以某階段全國鐵路客運(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)測模型的方法。在此基礎(chǔ)上采用IPSO算法對GNN的白化參數(shù)進(jìn)行優(yōu)化改進(jìn)了其不足,保證了預(yù)測結(jié)果的精度;同時(shí)利用灰色關(guān)聯(lián)分析法,計(jì)算了鐵路運(yùn)量和其影響因素間的關(guān)聯(lián)度,通過選用最主要的幾個(gè)關(guān)聯(lián)因素,建立了基于IPSO-GNN的鐵路運(yùn)量預(yù)測模型,并進(jìn)行了仿真研究與對比分析,仿真研究結(jié)果表明了此方法是有效可行的。 最后,對全文進(jìn)行了概括性總結(jié),提出了一些需要完善的研究工作,并指出了在鐵路運(yùn)量預(yù)測方面理論和應(yīng)用上有待進(jìn)一步研究的問題。
[Abstract]:In recent years, with the sustained and rapid economic growth in our country, the railway industry has been developed by leaps and bounds. There are many railway projects under construction, and many projects will be started soon.The prediction of transportation volume is one of the core contents in the early stage of railway construction project. The level and quality of volume prediction will directly affect the scientific nature of project decision, and the level and quality of volume prediction depend on the forecasting method to a great extent.Therefore, it is necessary to analyze the forecasting method of railway transportation volume and to study how to improve the accuracy and scientificalness of the forecast.The purpose of this paper is to introduce the hybrid intelligent algorithm based on artificial neural network and improved particle swarm optimization algorithm into the field of railway traffic forecasting, and to study the application of the above artificial intelligence algorithm in railway traffic forecasting with the aim of forecasting accuracy.The main contents of the thesis are as follows:This paper first analyzes the importance of railway volume prediction, summarizes the current common methods of railway volume forecasting, and analyzes the application scope, advantages and disadvantages of various methods.On this basis, two hybrid intelligent algorithms, BP neural network, grey neural network and improved particle swarm optimization algorithm, are proposed to predict railway traffic volume.Secondly, the structure and learning algorithm of BP neural network and grey neural network are described respectively.Then the standard particle swarm optimization (PSO) algorithm is studied and an improved PSO algorithm based on nonlinear weight variation is proposed. The effectiveness of PSO algorithm is verified by four standard test functions.Then, by using IPSO algorithm to optimize the weight of BP neural network, the prediction model of railway transportation capacity based on IPSO-BP neural network is established.Based on the actual situation of railway passenger and freight volume in a certain period, the simulation research and comparative analysis are carried out. The simulation results show that this method is effective and feasible.In addition, the method of using GNN to build prediction model of railway transportation volume under the condition of lack of information is further studied.On this basis, the whitening parameters of GNN are optimized and improved by IPSO algorithm to ensure the accuracy of prediction results, and the correlation degree between railway traffic volume and its influencing factors is calculated by using grey relational analysis.By selecting the most important related factors, this paper establishes the railway transportation forecasting model based on IPSO-GNN, and carries on the simulation research and the contrast analysis. The simulation results show that this method is effective and feasible.At last, the paper summarizes the whole paper, puts forward some research work which need to be perfected, and points out some problems that need further research in theory and application of railway transportation volume prediction.
【學(xué)位授予單位】：蘭州交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：U294.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬文濤;;參數(shù)優(yōu)化LSSVM的巷道圍巖松動(dòng)圈預(yù)測研究[J];巖土力學(xué);2007年S1期

2 安鳳秀;王麗妲;施繼紅;任貴升;劉慶福;;吉林省公路客運(yùn)量預(yù)測研究[J];農(nóng)業(yè)與技術(shù);2008年05期

3 穆鵬;;黃河某水庫塌岸預(yù)測研究[J];安徽農(nóng)業(yè)科學(xué);2010年02期

4 魏偉;;經(jīng)濟(jì)適應(yīng)性的合理規(guī)模高速公路預(yù)測研究[J];現(xiàn)代商業(yè);2011年15期

5 伍潔,羅建軍,高軼;基于支持向量機(jī)回歸方法的艦船修理價(jià)格預(yù)測研究[J];船海工程;2005年04期

6 洪貝;胡昌華;何洪文;;捷聯(lián)慣組誤差系數(shù)預(yù)測應(yīng)用研究[J];控制工程;2007年S3期

7 索文超;畢小平;李賀佳;;車用散熱器空氣流動(dòng)阻力預(yù)測研究[J];汽車工程;2008年09期

8 陳穎;;項(xiàng)目后評(píng)價(jià)中交通量分析與預(yù)測研究[J];科技信息;2009年14期

9 霍金仙;郭永;劉文先;;基于BP網(wǎng)絡(luò)的全國需水量預(yù)測研究[J];人民黃河;2009年09期

10 王洪佳;趙輝;;我國民航飛行員需求的遺傳神經(jīng)網(wǎng)絡(luò)預(yù)測研究[J];黑龍江科技信息;2009年36期

相關(guān)會(huì)議論文 前10條

1 張永軍;朱立偉;樊繼壯;;離心式壓縮機(jī)性能預(yù)測研究[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識(shí)創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

2 張翠瓊;田寶;;我國保安員犯罪可能性預(yù)測研究[A];第十二屆全國心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

3 紀(jì)建悅;欒紹朔;姜興坤;;基于修正STIRPAT模型的山東省碳排放分析及其預(yù)測研究[A];第十三屆中國管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2011年

4 馬文濤;;參數(shù)優(yōu)化LSSVM的巷道圍巖松動(dòng)圈預(yù)測研究[A];第九屆全國巖土力學(xué)數(shù)值分析與解析方法討論會(huì)論文集[C];2007年

5 梁德成;王德吉;邱道尹;栗衛(wèi)軍;;卷煙焦油預(yù)測研究[A];2009年中國智能自動(dòng)化會(huì)議論文集（第五分冊）[東南大學(xué)學(xué)報(bào)（增刊）][C];2009年

6 徐學(xué)東;;既有鐵路混凝土橋梁疲勞壽命預(yù)測及可靠性分析[A];工程安全及耐久性——中國土木工程學(xué)會(huì)第九屆年會(huì)論文集[C];2000年

7 任振球;;特大自然災(zāi)害預(yù)測研究的新思維、新方法[A];2001年中國地球物理學(xué)會(huì)年刊——中國地球物理學(xué)會(huì)第十七屆年會(huì)論文集[C];2001年

8 祝煜;梁雪春;肖迪;;基于動(dòng)態(tài)聚類RBF網(wǎng)絡(luò)的小企業(yè)信貸預(yù)測研究[A];江蘇省系統(tǒng)工程學(xué)會(huì)第十一屆學(xué)術(shù)年會(huì)論文集[C];2009年

9 門可佩;;青藏高原北部地區(qū)7級(jí)強(qiáng)震的有序網(wǎng)絡(luò)特征及其預(yù)測研究[A];中國地球物理.2003——中國地球物理學(xué)會(huì)第十九屆年會(huì)論文集[C];2003年

10 楊居義;;基于BP網(wǎng)絡(luò)的交通運(yùn)輸能力預(yù)測[A];2008年全國開放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集(上冊)[C];2008年

相關(guān)重要報(bào)紙文章 前10條

1 陳祥青;坪嵐鐵路運(yùn)量首破百萬噸[N];現(xiàn)代物流報(bào);2008年

2 田衛(wèi)國;西部管道原油鐵路運(yùn)量突破百萬噸[N];中國石油報(bào);2008年

3 記者 蘇民;鐵路運(yùn)量穩(wěn)步回升 基建投資增長迅速[N];經(jīng)濟(jì)日報(bào);2009年

4 記者 吳宏林;我區(qū)鐵路運(yùn)量提前2個(gè)月完成年度預(yù)算任務(wù)[N];華興時(shí)報(bào);2009年

5 記者 解麗娜;前三季度我省鐵路運(yùn)量保持較快增速[N];青海日報(bào);2008年

6 記者 文志輝;地區(qū)工業(yè)品鐵路運(yùn)量增長[N];吐魯番報(bào)(漢);2009年

7 記者 羅平;鐵路運(yùn)量增加促進(jìn)京津冀區(qū)域經(jīng)濟(jì)發(fā)展[N];人民鐵道;2006年

8 石才學(xué) 盧炫榮;嚴(yán)把三關(guān)抓節(jié)支[N];人民鐵道;2009年

9 記者 方雪萍;國內(nèi)煤炭供應(yīng)環(huán)境將趨于寬松[N];中國冶金報(bào);2007年

10 解麗娜;一季度我省鐵路運(yùn)量增速較快重點(diǎn)物資運(yùn)輸?shù)靡员Ｕ蟍N];青海日報(bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 馬軍偉;基于機(jī)器學(xué)習(xí)方法的蛋白質(zhì)亞細(xì)胞定位預(yù)測研究[D];大連理工大學(xué);2011年

2 袁賡;油氣管道的腐蝕及預(yù)測研究[D];大連理工大學(xué);2011年

3 秦慶偉;鋁電解惰性陽極及腐蝕率預(yù)測研究[D];中南大學(xué);2004年

4 陳廣勝;基于神經(jīng)網(wǎng)絡(luò)的人工林落葉松木材材質(zhì)預(yù)測研究[D];東北林業(yè)大學(xué);2006年

5 白建平;高含水期水淹層解釋方法及儲(chǔ)層剩余油分布規(guī)律預(yù)測研究[D];中國地質(zhì)大學(xué)（北京）;2006年

6 楊樹青;基于Visual-MODFLOW和SWAP耦合模型干旱區(qū)微咸水灌溉的水—土環(huán)境效應(yīng)預(yù)測研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2005年

7 席建鋒;公路風(fēng)吹雪雪害形成機(jī)理及預(yù)測研究[D];吉林大學(xué);2007年

8 向小東;基于神經(jīng)網(wǎng)絡(luò)與混沌理論的非線性時(shí)間序列預(yù)測研究[D];西南交通大學(xué);2002年

9 張振宇;濰北凹陷儲(chǔ)層精細(xì)描述與有利勘探目標(biāo)預(yù)測研究[D];西南石油學(xué)院;2005年

10 白月奎;胃腸道間質(zhì)瘤侵襲行為預(yù)測研究[D];中國協(xié)和醫(yī)科大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 陶海龍;基于混合智能算法的鐵路運(yùn)量預(yù)測研究[D];蘭州交通大學(xué);2012年

2 張志龍;邵懷高速公路雪峰山隧道巖爆與大變形預(yù)測研究[D];成都理工大學(xué);2002年

3 曹小平;高應(yīng)力區(qū)深埋長大公路隧道巖爆預(yù)測研究[D];西安科技大學(xué);2009年

4 韓海燕;納入水價(jià)的榮縣城鄉(xiāng)生活需水量預(yù)測研究[D];西南交通大學(xué);2010年

5 范志鵬;劉家峽庫區(qū)船舶碰撞危險(xiǎn)的預(yù)測研究[D];大連海事大學(xué);2005年

6 劉浩;基于生態(tài)足跡模型的廣州市生態(tài)可持續(xù)發(fā)展定量分析評(píng)價(jià)及預(yù)測研究[D];華南師范大學(xué);2007年

7 王秀;基于灰色理論和神經(jīng)網(wǎng)絡(luò)的道路交通事故預(yù)測研究[D];山東科技大學(xué);2007年

8 陳景瑜;大相嶺高速公路隧道巖爆預(yù)測研究[D];西南交通大學(xué);2009年

9 龍宇;西安市住宅需求預(yù)測研究[D];西安科技大學(xué);2009年

10 賈健;基于混沌相空間重構(gòu)的軋機(jī)故障診斷預(yù)測研究[D];燕山大學(xué);2010年

，

本文編號(hào)：1752707