基因表達(dá)式編程在公路貨運(yùn)量預(yù)測中的應(yīng)用

公路貨運(yùn)量受多種因素影響,各因素的作用機(jī)制通常不能準(zhǔn)確地用數(shù)學(xué)語言進(jìn)行描述。采用廣義回歸神經(jīng)網(wǎng)絡(luò)(grnn)對貨運(yùn)量進(jìn)行分析及預(yù)測。通過對1995~2003年南京市公路運(yùn)量的歷史數(shù)據(jù)進(jìn)行分析和處理,對網(wǎng)絡(luò)進(jìn)行訓(xùn)練和擬合,用2004~2005年的實(shí)際數(shù)據(jù)進(jìn)行模型檢驗(yàn),結(jié)果證明了grnn用于貨運(yùn)量預(yù)測的有效性。

對影響公路貨運(yùn)量的相關(guān)因素常用指標(biāo)進(jìn)行主成分分析,提取出影響貨運(yùn)量的隱性因素,并解釋出隱性因素的經(jīng)濟(jì)含義,為貨運(yùn)量的預(yù)測及宏觀調(diào)控提供科學(xué)依據(jù)。

在分析公路貨運(yùn)量的影響因素和預(yù)測特點(diǎn)的基礎(chǔ)上,將pso算法的全局搜索能力和rbf神經(jīng)網(wǎng)絡(luò)局部優(yōu)化相結(jié)合,建立了基于改進(jìn)pso算法和rbf神經(jīng)網(wǎng)絡(luò)的公路貨運(yùn)量預(yù)測模型(mpso-rbf)。利用某城市的歷史數(shù)據(jù)對預(yù)測模型進(jìn)行了訓(xùn)練、測試與仿真,同時將仿真結(jié)果與回歸分析法、灰色理論法、bp神經(jīng)網(wǎng)絡(luò)和rbf神經(jīng)網(wǎng)絡(luò)預(yù)測的結(jié)果進(jìn)行了比較,結(jié)果表明文中提出的預(yù)測方法精度較高,對于公路貨運(yùn)量預(yù)測具有一定的可行性和有效性。

本文提出了一種基于rbf神經(jīng)網(wǎng)絡(luò)的直接預(yù)測法,對公路貨運(yùn)量進(jìn)行了預(yù)測,并利用matlab工具箱予以了實(shí)現(xiàn).對2004和2005年公路貨運(yùn)量預(yù)測的結(jié)果表明,預(yù)測值與國家統(tǒng)計(jì)局公布的實(shí)際數(shù)值有很好的一致性,預(yù)測精度也高于其它rbf預(yù)測法,有很好的應(yīng)用性.

首先分析了公路貨運(yùn)量預(yù)測的重要性,介紹了國內(nèi)外主要預(yù)測方法。歸納總結(jié)了支持向量機(jī)的核心思想和基本原理,利用此較新的理論建立了公路貨運(yùn)量預(yù)測模型,給出了構(gòu)建模型的具體分析步驟,同時探討了參數(shù)的標(biāo)定和修正過程。利用北京市基礎(chǔ)數(shù)據(jù),建立北京市公路貨運(yùn)量預(yù)測的支持向量機(jī)模型,并應(yīng)用libsvm軟件進(jìn)行預(yù)測,預(yù)測結(jié)果驗(yàn)證了模型的有效性和可行性,表明方法可以推廣并可實(shí)際應(yīng)用。

利用混沌理論對公路貨運(yùn)量的預(yù)測方法進(jìn)行了分析,比較了現(xiàn)代常用的公路貨運(yùn)量預(yù)測方法的優(yōu)缺點(diǎn),研究了混沌理論對公路貨運(yùn)量的預(yù)測基本原理,構(gòu)思短中長期貨運(yùn)量預(yù)測方法的可行性,并提出了研究方法和途徑。

在計(jì)算機(jī)中執(zhí)行算術(shù)表達(dá)式的計(jì)算是通過棧來實(shí)現(xiàn)的。編譯系統(tǒng)不考慮表達(dá)式的優(yōu)先級別,只是對表達(dá)式從左到右進(jìn)行掃描,找到運(yùn)算符和操作數(shù),完成運(yùn)算。本文以vb為開發(fā)平臺,利用數(shù)組實(shí)現(xiàn)順序棧工作原理,將中綴表達(dá)式轉(zhuǎn)化為逆波蘭表達(dá)式,便于計(jì)算。

通過markov狀態(tài)轉(zhuǎn)移矩陣對改進(jìn)后的灰色預(yù)測結(jié)果進(jìn)行修正,構(gòu)建改進(jìn)灰色-markov預(yù)測模型,并對我國鐵路未來貨運(yùn)量需求預(yù)測進(jìn)行了實(shí)證分析。

交通運(yùn)輸鐵路預(yù)測系統(tǒng)是一個動態(tài)的時變系統(tǒng),貨運(yùn)量作為交通運(yùn)輸系統(tǒng)的行為特征量,具有一定的隨機(jī)波動性,它的發(fā)展呈現(xiàn)某種變化趨勢的非平穩(wěn)隨機(jī)過程?；疑玤m(1,1)模型適用于具有較強(qiáng)指數(shù)規(guī)律的序列,只能描述單調(diào)的變化過程?；疑玽erhulst模型能夠?qū)Σ糠中畔⑽粗⒕哂酗柡吞匦缘南到y(tǒng)或者某種非平穩(wěn)隨機(jī)且趨近飽和過程進(jìn)行高精度預(yù)測。本文建立灰色verhulst模型與gm(1,1)模型,對2008-2017年貨運(yùn)量預(yù)測與實(shí)際值精度檢驗(yàn),并預(yù)測2018-2035年全國鐵路貨運(yùn)量。結(jié)果表明,verhulst模型不僅彌補(bǔ)了gm(1,1)模型單調(diào)的變化過程,而且更加精準(zhǔn)模擬鐵路貨運(yùn)量的變化趨勢。通過灰色verhulst模型與gm(1,1)模型對鐵路貨運(yùn)量預(yù)測精度檢驗(yàn)的比較,可以看出灰色verhulst模型具有更高的精度。

科學(xué)的貨運(yùn)量預(yù)測對鐵路發(fā)展戰(zhàn)略的制定具有十分重要的意義。采用灰色模型預(yù)測方法gm（1,1）和馬爾可夫鏈預(yù)測相結(jié)合,提出了灰色-馬爾可夫鏈改進(jìn)預(yù)測方法,利用偏差對灰色模型值進(jìn)行狀態(tài)劃分,并采用馬爾可夫狀態(tài)轉(zhuǎn)移矩陣對狀態(tài)的轉(zhuǎn)移變化進(jìn)行分析,并針對我國鐵路貨運(yùn)量的未來趨勢進(jìn)行了經(jīng)濟(jì)預(yù)測的分析,確定待測年份偏差最可能處于的狀態(tài)。

隨著數(shù)據(jù)挖掘技術(shù)在各領(lǐng)域運(yùn)用越來越多,其算法也日漸趨于成熟。數(shù)據(jù)挖掘技術(shù)作為建立預(yù)測模型的重要技術(shù),已成為專家研究的熱點(diǎn)。隨著數(shù)據(jù)挖掘技術(shù)在實(shí)際模型運(yùn)用中暴露的問題越來越多,單一的技術(shù)和方法已無法滿足各類功能的需求。為了分析公路貨運(yùn)中復(fù)雜的數(shù)據(jù),構(gòu)建一種功能強(qiáng)大的預(yù)測模型就顯得尤為重要。本文嘗試說明在數(shù)據(jù)預(yù)測模型中運(yùn)用rbf神經(jīng)網(wǎng)絡(luò)技術(shù)和主成分分析方法,挖掘和分析公路貨運(yùn)中的數(shù)據(jù),提高預(yù)測結(jié)果的準(zhǔn)確性和高效性,為制定新的決策提供有效的依據(jù)。

針對船舶企業(yè)采用人工經(jīng)驗(yàn)來粗略制定工時物量定額的問題,提出了在任務(wù)包的基礎(chǔ)上采集工時/物量數(shù)據(jù),運(yùn)用數(shù)理統(tǒng)計(jì)的方法建立多項(xiàng)式回歸分析模型,擬合工時/物量表達(dá)式。

數(shù)據(jù)結(jié)構(gòu)課程設(shè)計(jì)--表達(dá)式計(jì)算程序設(shè)計(jì)

課程設(shè)計(jì)報告 題目十三、利用棧求表達(dá)式的值 一、設(shè)計(jì)任務(wù)與目標(biāo) 編寫程序?qū)崿F(xiàn)表達(dá)式求值，即驗(yàn)證某算術(shù)表達(dá)式的正確性，若正確，則計(jì)算 該算術(shù)表達(dá)式的值。 主要功能描述如下： 1、從鍵盤上輸入表達(dá)式，以“=”號結(jié)束表達(dá)式。 2、分析該表達(dá)式是否合法： （1）是數(shù)字，則判斷該數(shù)字的合法性。若合法，則壓入數(shù)據(jù)到堆棧中。 （2）是規(guī)定的運(yùn)算符，則根據(jù)規(guī)則進(jìn)行處理。在處理過程中，將計(jì)算該表 達(dá)式的值。 （3）若是其它字符，則返回錯誤信息。 3、若上述處理過程中沒有發(fā)現(xiàn)錯誤，則認(rèn)為該表達(dá)式合法，并打印處理結(jié) 果。 附加功能： 1.規(guī)定表達(dá)式的合法性 2.小數(shù)計(jì)算 3.計(jì)算記錄的保存與查看 4. （1）規(guī)定表達(dá)式的合法性，括號配對，不能出現(xiàn)“6++3”、“6+－3”等符 號重疊的情況。 （2）表達(dá)式開頭只能是數(shù)字或“（”，表達(dá)式中只能有一個“=”。 程序中應(yīng)主要包含下面幾個功

wewillcontinuetoimprovethecompany'sinternalcontrolsystem,andsteadyimprovementinabilitytomanageandcontrol,optimizebusinessprocesses,toensuresmoothprocesses,responsibilitiesinplace;tofurtherstrengtheninternalcontrols,playacontrolpostindependentoversightroleofevaluationcomplyingwiththird-partyresponsibility;toactivelymakeuseo

代碼解釋一覽表 第一部分：主體構(gòu)件： 墻： 磚墻： gswpcd：〔鋼絲網(wǎng)片總長度〕：柱：內(nèi)外墻上的柱計(jì)算一樣算四邊，每邊均算至板底；墻： 砌塊墻磚墻與砼墻相交時計(jì)算兩側(cè)，且均算至板底；梁：外墻的梁計(jì)算兩道外側(cè)和一道內(nèi)側(cè)， 內(nèi)墻則計(jì)算兩道內(nèi)側(cè)。 tjcd：〔體積長度〕這個體積長度是不扣減柱所占的長度 jsjmj：〔腳手架面積〕不扣減柱 墻垛： zxmj：〔裝修面積〕墻垛的兩側(cè)的面積計(jì)算墻垛的抹灰及裝修面積時使用 tqzxmj：〔貼墻裝修面積〕墻垛的端頭的面積計(jì)算墻垛的抹灰及裝修面積時使用 女兒墻： tjcd：〔體積長度〕與墻的體積長度相同，這個可以代替計(jì)算女兒墻上的壓頂相關(guān)工程量， 如：壓頂體積＝tjcd*壓頂斷面積等 門、窗、門連窗： dkmj：〔洞口面積〕 kwwmj：〔框外圍面積〕通常，建筑物安裝門窗需要塞縫時，采用框外圍面積計(jì)算門窗工 程量；否則采用洞口面積計(jì)

accordingtoofficepartyofmasslineeducationpracticeactivitiesledgroupofunifiedarrangements,unitsmainledtoforcadresworkersshangatimespartylecture,duetohimselflevellimited,onlyputthisstageconcentratedlearningofexperiencetodayandeveryonecommonwithlearningexchange,purposeisletwefurtherdeepunderstandingmasslineofconnotation,in

由于獲得的變形監(jiān)測數(shù)據(jù)存在著偶然誤差,而直接進(jìn)行基因表達(dá)式編程的模型建立,則預(yù)測結(jié)果往往與真實(shí)值相差較大。本文對含噪聲的觀測值進(jìn)行小波包去噪,再分別使用去噪數(shù)據(jù)與原始數(shù)據(jù)進(jìn)行建模,實(shí)驗(yàn)對比分析表明噪聲對基因表達(dá)式編程模型的預(yù)測產(chǎn)生著一定的影響,并得出在建模前應(yīng)該進(jìn)行相關(guān)的去噪工作,從而建立的模型進(jìn)行預(yù)測其結(jié)果與真實(shí)值相差較小,可達(dá)到對大壩的變形預(yù)測分析及大壩的安全監(jiān)控的目的。

通過對公路貨運(yùn)量的預(yù)測方法進(jìn)行研究比較,并根據(jù)公路貨運(yùn)量形成的復(fù)雜和非線性等特點(diǎn),建立bp神經(jīng)網(wǎng)絡(luò)預(yù)測模型.利用黑龍江省公路貨運(yùn)量及其相關(guān)影響因素的實(shí)際數(shù)據(jù),確定網(wǎng)絡(luò)輸入與輸出樣本,并對bp神經(jīng)網(wǎng)絡(luò)預(yù)測系統(tǒng)進(jìn)行訓(xùn)練和預(yù)測.通過對網(wǎng)絡(luò)輸出的誤差曲線圖的分析,驗(yàn)證bp神經(jīng)網(wǎng)絡(luò)預(yù)測系統(tǒng)的精確性和簡單方便性,提高了公路貨運(yùn)量預(yù)測的精確性.

采用定性分析方法確定物流貨運(yùn)量的影響因素,基于線性回歸方法建立數(shù)學(xué)模型。采集延安市貨運(yùn)量相關(guān)數(shù)據(jù),根據(jù)2001-2008年數(shù)據(jù)確定模糊回歸系數(shù)a,對2009-2012年公路物流貨運(yùn)量進(jìn)行計(jì)算,并采用實(shí)際數(shù)據(jù)與其他三種預(yù)測方法進(jìn)行驗(yàn)證。結(jié)果表明:線性回歸數(shù)學(xué)模型對物流貨運(yùn)量進(jìn)行預(yù)測精確度高,誤差較小。

公路客運(yùn)量和貨運(yùn)量預(yù)測是一個復(fù)雜的非線性問題,由于影響因素較多,難以用普通的數(shù)學(xué)方法建模,而建立bp神經(jīng)網(wǎng)絡(luò)可以表達(dá)這些非線性問題。根據(jù)公路客運(yùn)量貨運(yùn)量歷史數(shù)據(jù)及其相關(guān)影響因素數(shù)據(jù)建立了bp神經(jīng)網(wǎng)絡(luò)預(yù)測模型。利用實(shí)際數(shù)據(jù)確定網(wǎng)絡(luò)輸入與輸出樣本,對bp神經(jīng)網(wǎng)絡(luò)預(yù)測系統(tǒng)進(jìn)行訓(xùn)練和預(yù)測。通過對網(wǎng)絡(luò)輸出預(yù)測結(jié)果與實(shí)際數(shù)據(jù)的分析,驗(yàn)證了bp神經(jīng)網(wǎng)絡(luò)預(yù)測系統(tǒng)的精確性和方便性,提高了公路客運(yùn)貨運(yùn)預(yù)測的精確性。

針對傳統(tǒng)公路貨運(yùn)量預(yù)測中不考慮貨運(yùn)供給特征和貨運(yùn)需求量結(jié)構(gòu)性變化的不足,提出了通過分輪軸類型的交通量調(diào)查和軸載譜調(diào)查,獲取基年車輛裝載量概率密度分布函數(shù),使用主流車型的短期平均運(yùn)輸成本擬合得到車輛長期平均運(yùn)輸成本函數(shù),根據(jù)運(yùn)力均衡的思想和貨運(yùn)需求價格彈性模型對計(jì)劃年分批量的公路貨運(yùn)需求量進(jìn)行修正,在此基礎(chǔ)上建立外部環(huán)境變化時計(jì)劃年公路貨運(yùn)量的預(yù)測模型。