【摘要】： 長江素有“黃金水道”之稱,長江干支流通航總里程長達8萬Km,三峽工程建成后,庫區(qū)航道將有較大的改善,萬噸級船隊可直達重慶。而重慶以上河段為丘陵山區(qū),灘多流急,航道條件差,僅可通行千噸級船隊,嚴重地制約了腹地的經濟發(fā)展,需要對此采取強有力的工程措施予以解決。而小南海水利樞紐正是改變這一現(xiàn)狀的重要工程。 小南海水利樞紐規(guī)劃位于長江宜賓至重慶河段重慶境內,是三峽水利樞紐的上游銜接梯級,是一座以發(fā)電和航運為主,并有攔沙減淤、滯洪和灌溉供水等綜合利用效益的樞紐工程。隨著要地區(qū)經濟和綜合運輸?shù)陌l(fā)展,為充分發(fā)揮水運在國民經濟發(fā)展中的作用,有效地促進新的歷史時期水運建設的健康、快速的發(fā)展,就有必要對小南海水利樞紐貨運量未來的發(fā)展趨勢有正確的把握,這就需要對未來經濟發(fā)展對水運的需求做出正確的預測。 水運貨運量是確定水運交通基礎設施建設規(guī)模的主要依據(jù),貨運量預測結果的合理性、可靠性直接影響水運工程項目的投資和效益,對制定未來水運發(fā)展戰(zhàn)略、合理利用資源、充分發(fā)揮水運設施的效益都有著重要的意義。 論文在廣泛參閱有關貨運量預測文獻的基礎上,闡述了水運貨運量預測原理、方法和步驟,綜合分析了目前主要預測方法的適用范圍和存在的不足,對灰色系統(tǒng)理論在貨運量預測中的應用進行了比較深入的研究和探討,分析了以灰色系統(tǒng)理論為基礎進行貨運量預測的建模思想、檢驗方法及適用范圍,改進了指數(shù)加權平均灰色模型從而拓展了灰色預測領域、增強了灰色預測模型的適用性、提高了預測精度。 論文簡要介紹人工神經網(wǎng)絡的基本結構特征和學習規(guī)則,在此基礎上建立了人工神經網(wǎng)絡回歸預測模型。分析了組合預測方法的研究與發(fā)展狀況,利用BP神經網(wǎng)絡的高度非線性映射能力,建立了基于神經網(wǎng)絡技術的非線性組合預測模型,并總結了非線性組合預測方法的優(yōu)越性。從而得出小南海水利樞紐的貨運量值。
【學位授予單位】：重慶交通大學
【學位級別】：碩士
【學位授予年份】：2009
【分類號】：F224;F552
【圖文】：

2圖1.1 小南海樞紐位置示意圖Location of the xiao nan hai key position1.1.2 目的意義隨著我國經濟發(fā)展戰(zhàn)略由沿海轉向中部和西部,這就給自然資源豐富的西部地區(qū)帶來了前所未有的發(fā)展機遇。在我國現(xiàn)代化建設進程中,能源、交通和原材料是國民經濟發(fā)展的“瓶頸”。長江中下游和沿海一帶,工廠設備精良,工藝技術先進,加工工業(yè)發(fā)達，但能源和原材料緊缺,電力供應不足,迫使不少企業(yè)停工停產。隨著21世紀中下游地區(qū)經濟的持續(xù)發(fā)展,更需要龐大的能源和原材料支撐。另一方面，西部大開發(fā)不斷向縱深發(fā)展，工業(yè)規(guī)模逐步擴大，川渝經濟走廊逐步形成，產品內、外運輸需求旺盛。西部地區(qū)落后的交通現(xiàn)狀仍然制約著地區(qū)經濟的發(fā)展，修建小南海樞紐，將提高長江上游水運大通道的航道等級，加快西部地區(qū)工業(yè)化進程，加速川渝地區(qū)城市群建設，促進西部經濟一體化的協(xié)調發(fā)展，使西部地區(qū)按照科學發(fā)展觀更快更好地可持續(xù)發(fā)展，盡快把西部地區(qū)建設成為我國經濟又一個新的增長極。根據(jù)交通部航運發(fā)展規(guī)劃，今后十年內，內河航運的重點主要集中在我國西部地區(qū)。到2010年初步治理長江上游水富至宜賓和漢江中、上游航道

的傳遞方式，人工神經網(wǎng)絡可大致分為前饋網(wǎng)絡和反饋網(wǎng)絡及混合網(wǎng)絡[46]。圖3.2給出了神經網(wǎng)絡的拓撲結構示意圖。前饋網(wǎng)絡(Feedforward Networks)的信息流由輸入層逐層向下傳遞，沒有反饋信息流，經網(wǎng)絡處理后由輸出層輸出；反饋網(wǎng)絡(又稱遞歸網(wǎng)Recurrent Networksor Feedback Networks)的信息流則由某一層的輸出通過連接權重又作為輸入反饋到同一層或前一層。在反饋網(wǎng)絡中，輸出不僅與當前的輸入有關，還與以前的輸出有關。圖3.2 神經網(wǎng)絡拓撲結構示意圖Neural network topology map3. 1. 4 人工神經網(wǎng)絡的學習規(guī)則人工神經網(wǎng)絡的功能不僅與其拓撲結構有關，還與網(wǎng)絡的學習算法即學習規(guī)則有關，不同的學習規(guī)則決定了網(wǎng)絡的不同功能。神經網(wǎng)絡的運行過程大體上可分為兩個階段:網(wǎng)絡的學習(或訓練)和網(wǎng)絡的聯(lián)想。學習是神經網(wǎng)絡的主要特征，網(wǎng)絡的學習就是通過不斷地向網(wǎng)絡輸入一些樣本模式，網(wǎng)絡遵循一定的學習規(guī)則即算法，來不斷調整網(wǎng)絡的各層權重，從而使網(wǎng)絡的輸入和輸出以一定精度向給定的樣本模式逼近。學習的實質就是網(wǎng)絡通過輸入輸出信息識別存在于信?

3 0(1)信息的正向傳遞過程這里以圖3.3所示的三層BP神經網(wǎng)絡為例。設輸入層有n個節(jié)點，輸入向量為X，輸出向量為g(x)；隱含層有m個節(jié)點，輸入向量A，輸出向量f( A)；輸入層與隱含層之間的連接權重矩陣為 AW；輸出層有p個節(jié)點，輸入向量為B，輸入向量為∧Y；隱含層與輸出層之間的連接權重矩陣為 BW；Y為期望輸出向量。圖3.3 三層BP神經網(wǎng)絡示意圖Three BP neural network map則：TnX [x,x

【參考文獻】

相關期刊論文 前10條

1 左云波,張懷存;一種改進的BP網(wǎng)絡快速算法[J];北京機械工業(yè)學院學報;2005年01期

2 吳祈宗,宋穎;一種模糊組合預測方法[J];北京理工大學學報;2004年04期

3 謝開貴,高翔,周家啟,鄭繼明;應用遺傳算法確定組合預測權系數(shù)[J];重慶郵電學院學報;1999年04期

4 胡平,康玲;一種非線性組合預測方法在徑流測報中的應用[J];大壩與安全;2004年06期

5 張忠?guī)�，唐小�?非負權最短路問題的一種簡便算法[J];地質科技管理;1995年05期

6 劉斌,陳得力;貧信息狀態(tài)下的集裝箱吞吐量精確預測灰色模型[J];大連海事大學學報;2005年02期

7 陳淑燕,王煒;交通量的灰色神經網(wǎng)絡預測方法[J];東南大學學報(自然科學版);2004年04期

8 習宏全;灰色系統(tǒng)理論在港口吞吐量預測中的應用[J];港工技術;1994年04期

9 徐國志,李茂元;基于Matlab神經網(wǎng)絡工具箱進行港口集裝箱運量預測[J];港工技術;2003年04期

10 王碩,張有富,金菊良;基于BP-AGA的非線性組合預測方法研究[J];中國工程科學;2005年04期

本文編號：2785261