M34.BP神經(jīng)網(wǎng)絡(luò)在高速公路交通量預(yù)測(cè)中的應(yīng)用

以高速公路交通流預(yù)測(cè)為研究對(duì)象,簡(jiǎn)化了高速公路宏觀動(dòng)態(tài)交通流模型,利用matlab神經(jīng)網(wǎng)絡(luò)工具建立模型并進(jìn)行網(wǎng)絡(luò)訓(xùn)練與預(yù)測(cè)。對(duì)嘉興站附近高速公路交通流數(shù)據(jù)進(jìn)行了采集、建模和預(yù)測(cè)。從預(yù)測(cè)結(jié)果中得知,基于bp神經(jīng)網(wǎng)絡(luò)交通流預(yù)測(cè)模型具有很高的可靠度,該簡(jiǎn)化的交通流模型更為簡(jiǎn)練,預(yù)測(cè)結(jié)果亦可以點(diǎn)帶面地面描述該站點(diǎn)一定空間及時(shí)間范圍內(nèi)的交通流情況。

以宏觀動(dòng)態(tài)交通流模型為基礎(chǔ),分析了模型中各個(gè)參數(shù)之間的函數(shù)關(guān)系.給出了基于bp神經(jīng)網(wǎng)絡(luò)理論的高速公路交通流預(yù)測(cè)模型建立的方法,對(duì)高速公路進(jìn)行建模.該模型可以通過(guò)對(duì)高速公路交通流信息的實(shí)時(shí)采集對(duì)參數(shù)進(jìn)行動(dòng)態(tài)的修正,達(dá)到交通流信息預(yù)測(cè)的準(zhǔn)確性要求.

根據(jù)某高速公路高路堤填土施工期路基沉降實(shí)測(cè)資料,建立了預(yù)測(cè)路基沉降的等時(shí)距bp神經(jīng)網(wǎng)絡(luò)模型,并運(yùn)用三次樣條插值獲得預(yù)測(cè)時(shí)間段內(nèi)任一時(shí)刻沉降值,并與實(shí)測(cè)值進(jìn)行比較,證明它具有很高的預(yù)測(cè)精度。

借助人工神經(jīng)網(wǎng)絡(luò)模型,建立了可依據(jù)現(xiàn)場(chǎng)量測(cè)信息對(duì)軟基路堤沉降量隨時(shí)間而發(fā)展的過(guò)程進(jìn)行動(dòng)態(tài)預(yù)報(bào)的分析方法。其要點(diǎn)是:建立公路軟基沉降預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),并將前期沉降觀測(cè)值作為樣本,通過(guò)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的訓(xùn)練尋求沉降及其主要影響因素的內(nèi)在關(guān)系,據(jù)以預(yù)測(cè)后期沉降量

文章主要對(duì)江西高速公路信息中心建設(shè)中的道路氣象監(jiān)測(cè)平臺(tái)和交通應(yīng)急監(jiān)控平臺(tái)做了一些具體的研究。主要研究?jī)?nèi)容首先是道路氣象監(jiān)測(cè)平臺(tái)監(jiān)測(cè)各路段及關(guān)鍵點(diǎn)的各種異常交通環(huán)境因素變化和氣象狀況。將數(shù)據(jù)信息及時(shí)傳送到高速公路信息中心基于地理信息系統(tǒng)gis模型，再通過(guò)bp神經(jīng)網(wǎng)絡(luò)模型分析路況實(shí)時(shí)氣象數(shù)據(jù)（氣溫、濕度、風(fēng)向、路面溫度、能見(jiàn)度等）與道路車輛行駛狀況（如交通量、速度、道路占有率等）之間的關(guān)系，模擬道路天氣對(duì)道路車輛的影響。

為了提高高速公路交通安全評(píng)價(jià)的準(zhǔn)確性及可靠性,在遵循評(píng)價(jià)基本原理及相關(guān)要求的基礎(chǔ)上,提出基于bp神經(jīng)網(wǎng)絡(luò)的高速公路交通安全評(píng)價(jià)方法,建立了高速公路交通安全評(píng)價(jià)模型,并對(duì)新疆s045線交通安全狀況進(jìn)行實(shí)例分析。結(jié)果表明:新疆s045線交通安全狀況良好。基于bp神經(jīng)網(wǎng)絡(luò)的高速公路交通安全評(píng)價(jià)準(zhǔn)確性較高,其涉及參數(shù)較少,操作簡(jiǎn)便,評(píng)價(jià)科學(xué)。

為了評(píng)價(jià)高速公路交通安全的水平,使高速公路的管理者能獲得交通安全狀況的動(dòng)態(tài)信息,在對(duì)國(guó)內(nèi)外交通安全評(píng)價(jià)的方法進(jìn)行研究的基礎(chǔ)上,提出了bp神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型進(jìn)行高速公路交通安全評(píng)價(jià).在對(duì)交通事故進(jìn)行調(diào)查分析的基礎(chǔ)上,從影響高速公路交通安全的6個(gè)方面,建立了相應(yīng)的評(píng)價(jià)指標(biāo)體系,共計(jì)18個(gè)指標(biāo).每個(gè)指標(biāo)有確定的指數(shù)等級(jí)劃分依據(jù)、評(píng)價(jià)要求、調(diào)查方法.采用c++語(yǔ)言開(kāi)發(fā)了基于bp神經(jīng)網(wǎng)絡(luò)模型的綜合評(píng)價(jià)軟件,在江西省梨溫和昌泰2條高速公路進(jìn)行實(shí)際應(yīng)用.對(duì)評(píng)價(jià)結(jié)果進(jìn)行了分析,表明該方法操作性強(qiáng)、結(jié)果可靠.

采用人工神經(jīng)網(wǎng)絡(luò)較強(qiáng)的非線性映射能力和學(xué)習(xí)能力,提出基于改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)鹽淮高速公路的路基的沉降。利用實(shí)測(cè)沉降資料直接建模,避免了傳統(tǒng)方法計(jì)算過(guò)程中各種人為因素的干擾,所建立的模型預(yù)測(cè)精度高、預(yù)測(cè)的沉降量誤差小。

本文介紹了transcad軟件的特點(diǎn)及其功能，作為交通規(guī)劃軟件對(duì)濟(jì)南至東營(yíng)高速公路的未來(lái)特征年的交通量進(jìn)行了預(yù)測(cè)，并提出了應(yīng)用該軟件的不足。

準(zhǔn)確的交通流預(yù)測(cè)是智能交通系統(tǒng)的關(guān)鍵技術(shù),為此,本文以衡大高速為研究對(duì)象,提出基于ga-bp神經(jīng)網(wǎng)絡(luò)的衡大高速日交通流量預(yù)測(cè)方法。本文通過(guò)閾值方法對(duì)微波車檢器數(shù)據(jù)進(jìn)行預(yù)處理,根據(jù)ga-bp神經(jīng)網(wǎng)絡(luò)算法建立了交通流量預(yù)測(cè)模型,并通過(guò)計(jì)算機(jī)仿真驗(yàn)證對(duì)比預(yù)測(cè)結(jié)果和實(shí)際流量數(shù)據(jù),其預(yù)測(cè)結(jié)果精度高,可滿足日常交通管理需求,為交通管理提供了有效的技術(shù)支撐、本課題受到河北省交通運(yùn)輸廳科研課題(y-2014022)的支持。

為了預(yù)測(cè)高速公路路基最終沉降量,首先依據(jù)影響軟土路基沉降的因素選取參數(shù)建立了bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)最終沉降量模型.結(jié)合成都-南充高速公路沉降實(shí)測(cè)資料及其它文獻(xiàn)中大量路基沉降資料,利用bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)了其各自最終沉降量.通過(guò)檢驗(yàn)樣本驗(yàn)證,預(yù)測(cè)精度較高,能夠滿足實(shí)際需要.并對(duì)bp神經(jīng)網(wǎng)絡(luò)在公路建設(shè)中的應(yīng)用提出了一些注意事項(xiàng).

根據(jù)安全車速的概念與特征,提出綜合運(yùn)用客觀數(shù)據(jù)與主觀數(shù)據(jù),進(jìn)行bp神經(jīng)網(wǎng)絡(luò)安全車速預(yù)測(cè)的方法。首先確定影響安全車速的主要因素,然后通過(guò)客觀分析與主觀分析方法相結(jié)合的方式,獲取相關(guān)因素影響下高速公路的典型安全車速,作為建立神經(jīng)網(wǎng)絡(luò)計(jì)算所需的樣本與驗(yàn)證數(shù)據(jù)。模型的訓(xùn)練與驗(yàn)證過(guò)程表明,主客觀數(shù)據(jù)相結(jié)合的神經(jīng)網(wǎng)絡(luò)方法能夠較好地預(yù)測(cè)復(fù)雜因素影響下的高速公路安全車速。

雖然影響交通量增長(zhǎng)的因素有很多,但有兩點(diǎn)是最重要的,一個(gè)是國(guó)民經(jīng)濟(jì)的發(fā)展現(xiàn)狀,一個(gè)是經(jīng)濟(jì)總量與經(jīng)濟(jì)結(jié)構(gòu),前者是主導(dǎo)因素,后者為具體因素。本文基于高速公路入口處的交通量,對(duì)探討高速公路出入口交通量與經(jīng)濟(jì)發(fā)展關(guān)系的相關(guān)性提出了建議,旨在提高公路網(wǎng)規(guī)劃的科學(xué)性。

人工神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的自組織、自適應(yīng)、容錯(cuò)性以及很強(qiáng)的學(xué)習(xí)、聯(lián)想能力,本文將其應(yīng)用到高速公路路基沉降預(yù)測(cè)中。重點(diǎn)介紹了elman模型方法,本方法利用實(shí)測(cè)資料直接建模,避免了傳統(tǒng)方法計(jì)算過(guò)程中的各種局限性,通過(guò)對(duì)高速公路路基實(shí)測(cè)沉降資料的計(jì)算分析,證明本模型預(yù)測(cè)精度高,簡(jiǎn)便易行,具有廣泛的工程實(shí)用價(jià)值。

bp神經(jīng)網(wǎng)絡(luò)在基坑變形預(yù)測(cè)分析中的應(yīng)用——本文提出了基坑變形預(yù)測(cè)與分析的bp神經(jīng)網(wǎng)絡(luò)方法，建立了基坑變形預(yù)測(cè)分析的模型，應(yīng)用matlab語(yǔ)言編制計(jì)算程序進(jìn)行計(jì)算并與實(shí)際工程監(jiān)測(cè)值進(jìn)行比較，從而驗(yàn)證了神經(jīng)網(wǎng)絡(luò)在基坑變形預(yù)測(cè)分析中的可行性、有效性?！　?/p>

在對(duì)某基坑工程采用bp神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)基坑開(kāi)挖引起地表變形的分析中,考慮到現(xiàn)有模型可能會(huì)遇到預(yù)測(cè)結(jié)果跳不出訓(xùn)練樣本以及訓(xùn)練時(shí)間較長(zhǎng)的問(wèn)題,提出采用matlab中的mapminmax函數(shù)進(jìn)行歸一化處理,并基于牛頓法、共軛梯度法和l-m法三種數(shù)值優(yōu)化方法對(duì)bp網(wǎng)絡(luò)訓(xùn)練算法進(jìn)行了改進(jìn).研究結(jié)果表明:與常用的基于梯度下降原則相比,改進(jìn)后的bp神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時(shí)間和預(yù)測(cè)誤差方面均有明顯的優(yōu)勢(shì),采用l-m法的神經(jīng)網(wǎng)絡(luò)在訓(xùn)練樣本時(shí)的迭代次數(shù)最少為74次,采用共軛梯度法的預(yù)測(cè)結(jié)果與實(shí)測(cè)結(jié)果的誤差最大為2.4％,而采用牛頓法神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)值則比較均衡,預(yù)測(cè)結(jié)果相對(duì)最佳.

bp神經(jīng)網(wǎng)絡(luò)是分析處理復(fù)雜非線性問(wèn)題的一種有效方法,是目前廣泛應(yīng)用的一種神經(jīng)網(wǎng)絡(luò),已被逐漸應(yīng)用于對(duì)宏觀經(jīng)濟(jì)問(wèn)題的研究中。本文有機(jī)地整合了計(jì)量經(jīng)濟(jì)學(xué)與bp神經(jīng)網(wǎng)絡(luò),建立了基于因果關(guān)系理論來(lái)確定bp網(wǎng)絡(luò)的輸入變量,基于協(xié)整理論來(lái)分析bp網(wǎng)絡(luò)系統(tǒng)的可靠性,基于學(xué)習(xí)率可變的動(dòng)量bp算法的用于研究經(jīng)濟(jì)領(lǐng)域問(wèn)題的改進(jìn)bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,加強(qiáng)了網(wǎng)絡(luò)模型的理論基礎(chǔ),提高了網(wǎng)絡(luò)模型的質(zhì)量,并將其應(yīng)用于西北建筑業(yè)的預(yù)測(cè)和控制中,取得了令人滿意的效果。

提出一種采用bp神經(jīng)網(wǎng)絡(luò)算法來(lái)預(yù)測(cè)深基坑沉降的方法,結(jié)合具體工程實(shí)例,構(gòu)建了預(yù)測(cè)深基坑周邊地表沉降具體bp神經(jīng)網(wǎng)絡(luò)模型,預(yù)測(cè)結(jié)果表明,該模型有較高的預(yù)測(cè)精度,可作為預(yù)測(cè)沉降的一種新方法。

本文從影響高速公路交通量增長(zhǎng)的宏觀經(jīng)濟(jì)指標(biāo)出發(fā),借鑒了matas(2001)高速公路交通量增長(zhǎng)預(yù)測(cè)模型,回歸出我國(guó)基于宏觀經(jīng)濟(jì)因素的高速公路交通量增長(zhǎng)預(yù)測(cè)模型,結(jié)果表明影響交通流量增長(zhǎng)的最主要經(jīng)濟(jì)因素為地區(qū)生產(chǎn)總值和地區(qū)失業(yè)人口。本文還基于福建省某條高速公路的相關(guān)數(shù)據(jù),在預(yù)測(cè)其經(jīng)濟(jì)因素概率分布模型的基礎(chǔ)上,預(yù)測(cè)出其交通流量增長(zhǎng)概率分布圖。本文目的在于指出影響高速公路交通量增長(zhǎng)的經(jīng)濟(jì)因素,同時(shí)為預(yù)測(cè)交通流量的增長(zhǎng)提供一種客觀的方法。

傳統(tǒng)的gm（i，1）模型在仿真和模擬時(shí)對(duì)原始數(shù)據(jù)序列依賴度很高，使得在有一定擾動(dòng)的原始序列數(shù)據(jù)，會(huì)使得在預(yù)測(cè)高速公路交通量時(shí)存在與真實(shí)值便宜度過(guò)大，并且運(yùn)算復(fù)雜，為解決這一問(wèn)題，采用分?jǐn)?shù)階累加的方式獲得分?jǐn)?shù)階累加值，這樣就能減弱原始數(shù)據(jù)中擾動(dòng)對(duì)仿真和預(yù)測(cè)值的影響，有效的提高了預(yù)測(cè)的準(zhǔn)確度。應(yīng)用實(shí)例分析，表明0．5階gm（i，1）模型的平均相對(duì)誤差為7．71％和0．1階gm（1，1）模型的平均相對(duì)誤差為7132％優(yōu)于傳統(tǒng)的gm（i，11仿真預(yù)測(cè)模型的平均相對(duì)誤差11．21％。

應(yīng)用matlab提供的神經(jīng)網(wǎng)絡(luò)工具箱作為bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練和仿真的平臺(tái),并進(jìn)行語(yǔ)言編程,通過(guò)采用不同隱函數(shù)節(jié)點(diǎn)數(shù)進(jìn)行對(duì)比試驗(yàn),采用精度與誤差都合適的節(jié)點(diǎn)數(shù)進(jìn)行訓(xùn)練與預(yù)測(cè),觀察預(yù)測(cè)的精度,并分析神經(jīng)網(wǎng)絡(luò)對(duì)抗壓強(qiáng)度結(jié)果預(yù)測(cè)的可應(yīng)用性,從而得出一些有益的結(jié)論。

針對(duì)傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)存在的缺點(diǎn),提出基于遺傳優(yōu)化的變梯度反向傳播的bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法,采用遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的初始權(quán)重,建立路基沉降預(yù)測(cè)模型。該模型可克服bp神經(jīng)網(wǎng)絡(luò)模型存在的收斂速度慢、易陷入局部極小點(diǎn)等缺點(diǎn)。結(jié)合現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù),將該優(yōu)化模型與指數(shù)曲線模型、雙曲線模型、灰色預(yù)測(cè)模型和傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)比,結(jié)果表明改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)在路基沉降預(yù)測(cè)中精度最高,適宜于廣泛推廣應(yīng)用。