發(fā)布時(shí)間：2021-06-15 19:31

　　近年來(lái)我國(guó)鐵路事業(yè)迅猛發(fā)展,在建的鐵路項(xiàng)目很多,陸續(xù)還有更多的項(xiàng)目上馬。運(yùn)量預(yù)測(cè)工作在交通工程建設(shè)的前期工作中處于十分重要的地位,準(zhǔn)確的客運(yùn)量預(yù)測(cè)是進(jìn)行交通規(guī)劃和管理的主要依據(jù)之一。預(yù)測(cè)方法的選擇直接影響預(yù)測(cè)結(jié)果的精度,本文旨在把遺傳算法和BP網(wǎng)絡(luò)結(jié)合GA-BP方法引入鐵路客運(yùn)量預(yù)測(cè)領(lǐng)域,并以高精度為目標(biāo),研究GA-BP方法的鐵路客運(yùn)量預(yù)測(cè)。論文首先分析了客運(yùn)量預(yù)測(cè)的重要性,總結(jié)了鐵路客運(yùn)量預(yù)測(cè)的方法,如時(shí)間序列的移動(dòng)平移法、指數(shù)平滑預(yù)測(cè)模型、灰色GM（1,1）模型等、影響因素法的線性回歸模型,并分析了各種常用方法的適用范圍和優(yōu)缺點(diǎn)。其次探討了鐵路客運(yùn)量的發(fā)展趨勢(shì)及影響因素。根據(jù)預(yù)測(cè)鐵路客運(yùn)量時(shí)選擇影響因素的準(zhǔn)則,確定了本文用于影響因素法預(yù)測(cè)的八個(gè)影響因子。接著選擇遺傳算法優(yōu)化BP網(wǎng)絡(luò)閥值和權(quán)值形成的GA-BP算法作為本文的主要預(yù)測(cè)手段。分別建立了多影響因子的GA-BP模型、時(shí)間序列的GA-BP模型預(yù)測(cè)。另外比較多影響因子的GA-BP和BP的預(yù)測(cè)結(jié)果,驗(yàn)證了前者改良了后者的局限性并提高了預(yù)測(cè)精度；比較多影響因子的GA-BP模型和三次指數(shù)平滑模型、一元線性回歸模型、灰色GM（1,1）模型... 

【文章來(lái)源】：西南交通大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

鐵路客運(yùn)量

0年份圖2一1鐵路客運(yùn)量12000 11000100009000800070006000500040003000職吠匆叫”仲碉排嘆卿哥拿2000一一.一鐵路 路公 公路路水 水路路航 航空空1000圖2一2旅客周轉(zhuǎn)量變化過(guò)程

年份圖2一3各種運(yùn)輸方式客運(yùn)分擔(dān)率的變化從圖2一2和圖2一3看出在我國(guó)客運(yùn)系統(tǒng)的構(gòu)成中，鐵路是主要運(yùn)輸方式，隨著我國(guó)經(jīng)濟(jì)的不斷發(fā)展和人民生活水平的不斷提高，鐵路客運(yùn)周轉(zhuǎn)量在不斷增加，但是它在客運(yùn)總周轉(zhuǎn)量中所占比重卻在逐漸下降，這說(shuō)明有其他運(yùn)輸方式得到了更快的發(fā)展。公路客運(yùn)在總體結(jié)構(gòu)中的比重不斷增加，公路運(yùn)輸己逐漸成為鐵路運(yùn)輸?shù)闹饕?jìng)爭(zhēng)對(duì)手和有益補(bǔ)充。水運(yùn)由于受航線固定和速度緩慢等因素的制約，比重較小，并且呈逐年下降的趨勢(shì)，可見(jiàn)隨著人們生活節(jié)奏的加快，人們對(duì)運(yùn)輸方式的選擇在相同的方向和距離內(nèi)越來(lái)越傾向于棄水走陸。民航客運(yùn)的絕對(duì)量較小，但平均運(yùn)距較大，其客運(yùn)周轉(zhuǎn)量在總體結(jié)構(gòu)中的比例增長(zhǎng)較快。2.2影響客運(yùn)量的因素鐵路運(yùn)輸涉及到諸多外部和內(nèi)部相關(guān)因素

【參考文獻(xiàn)】：
期刊論文
[1]混合GA-BP算法在機(jī)器人地面控制中的應(yīng)用[J]. 陳虹,董航飛,李宗寶,梁文彬.  控制工程. 2009(01)
[2]基于遺傳優(yōu)化神經(jīng)網(wǎng)絡(luò)的鐵路客運(yùn)量預(yù)測(cè)研究[J]. 郭文,喬誼正.  山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2008(03)
[3]GA-BP網(wǎng)絡(luò)在木材干燥過(guò)程建模中的應(yīng)用[J]. 劉德勝,張佳薇.  微計(jì)算機(jī)信息. 2007(09)
[4]支持向量回歸機(jī)在鐵路客運(yùn)量時(shí)間序列預(yù)測(cè)中的應(yīng)用[J]. 夏國(guó)恩,曾紹華,金煒東.  計(jì)算機(jī)應(yīng)用研究. 2006(10)
[5]成都市公路客運(yùn)量預(yù)測(cè)[J]. 霍婭敏,李德剛.  交通標(biāo)準(zhǔn)化. 2005(11)
[6]三次指數(shù)平滑法在大秦鐵路運(yùn)量預(yù)測(cè)中的應(yīng)用[J]. 馬曉珂,王慈光.  華東交通大學(xué)學(xué)報(bào). 2005(03)
[7]對(duì)運(yùn)輸需求預(yù)測(cè)理論的再認(rèn)識(shí)[J]. 袁長(zhǎng)偉,吳群琪.  綜合運(yùn)輸. 2005(01)
[8]支持向量機(jī)在地下水位預(yù)報(bào)中的應(yīng)用研究[J]. 王景雷,吳景社,孫景生,齊學(xué)斌.  水利學(xué)報(bào). 2003(05)
[9]貨運(yùn)量預(yù)測(cè)方法的比較[J]. 蔣惠園,楊大鳴.  運(yùn)籌與管理. 2002(03)
[10]人工神經(jīng)網(wǎng)絡(luò)用于建筑工程領(lǐng)域的數(shù)據(jù)處理方法[J]. 姜紹飛.  哈爾濱建筑大學(xué)學(xué)報(bào). 1999(05)

碩士論文
[1]基于BP網(wǎng)絡(luò)和遺傳算法的巖爆預(yù)測(cè)研究[D]. 雷松林.同濟(jì)大學(xué) 2008
[2]改進(jìn)型灰色神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)方法及應(yīng)用研究[D]. 嚴(yán)修紅.江西理工大學(xué) 2007
[3]基于灰色理論與廣義回歸神經(jīng)網(wǎng)絡(luò)的客運(yùn)量預(yù)測(cè)模型研究[D]. 羅毅.西南交通大學(xué) 2007
[4]城市高速公路交通流預(yù)測(cè)與控制[D]. 關(guān)占榮.暨南大學(xué) 2007
[5]鐵路客運(yùn)量短期預(yù)測(cè)方法的研究[D]. 王芳.北京交通大學(xué) 2007
[6]水運(yùn)量預(yù)測(cè)方法及其應(yīng)用研究[D]. 錢芳.河海大學(xué) 2006
[7]基于神經(jīng)網(wǎng)絡(luò)與遺傳算法的股票智能預(yù)測(cè)[D]. 李春偉.西北工業(yè)大學(xué) 2005
[8]基于神經(jīng)網(wǎng)絡(luò)和遺傳算法的語(yǔ)音識(shí)別方法研究[D]. 劉俊華.湖南大學(xué) 2005
[9]神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法與四階段預(yù)測(cè)法相組合在鐵路運(yùn)量預(yù)測(cè)中的應(yīng)用研究[D]. 王增兵.西南交通大學(xué) 2003
[10]RBF神經(jīng)元網(wǎng)絡(luò)和遺傳算法的研究及其在化工中的應(yīng)用[D]. 鄭啟富.浙江大學(xué) 2003



本文編號(hào)：3231643