基于主成分分析和RBF神經(jīng)網(wǎng)絡(luò)公路貨運(yùn)量預(yù)測模型

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。

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.

公路客運(yùn)量和貨運(yùn)量預(yù)測是一個(gè)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?cái)?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。

基于主成分分析法,運(yùn)用matlab7.0軟件中的bp神經(jīng)網(wǎng)絡(luò)工具箱對1985~2007年我國的能源供需安全狀況進(jìn)行了訓(xùn)練及測試。測試結(jié)果表明,主成分分析與bp神經(jīng)網(wǎng)絡(luò)的結(jié)果較吻合,bp神經(jīng)網(wǎng)絡(luò)運(yùn)用于能源安全領(lǐng)域可行、有效。同時(shí),得出自1985年以來我國能源供需安全狀況大體上逐年提高,從2005年開始大幅提高,但仍未擺脫較差的境地,未來前景不容樂觀。

為提高鐵路貨運(yùn)量的預(yù)測準(zhǔn)確性,運(yùn)用灰色關(guān)聯(lián)分析法,計(jì)算分析了與鐵路貨運(yùn)量相關(guān)的主要社會指標(biāo),確定鐵路貨運(yùn)量的影響因子分別為鐵路運(yùn)營里程、鐵路電氣化里程、鐵路復(fù)線比重、公路運(yùn)營里程、固定資產(chǎn)投資總額和鋼材產(chǎn)量。將所確定的因子作為鐵路貨運(yùn)量的預(yù)測指標(biāo),建立基于bp神經(jīng)網(wǎng)絡(luò)的鐵路貨運(yùn)量預(yù)測模型,并對模型進(jìn)行了應(yīng)用測試。結(jié)果表明：bp神經(jīng)網(wǎng)絡(luò)模型具有較高的精度,最大相對誤差為3.7%,平均相對誤差為2.3%。該方法具有較快的收斂速度和較高的預(yù)測精度,可為我國鐵路貨運(yùn)量的預(yù)測研究提供方法支撐。

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(shí)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。

負(fù)荷預(yù)測是實(shí)現(xiàn)電力系統(tǒng)優(yōu)化運(yùn)行的基礎(chǔ),對于電力系統(tǒng)的安全性、可靠性和經(jīng)濟(jì)性都有著顯著的影響。rbf是一種三層前饋神經(jīng)網(wǎng)絡(luò),具有良好的函數(shù)逼近性能,已被廣泛應(yīng)用到電力負(fù)荷預(yù)測中,并取得良好的效果。本文主要整理并介紹當(dāng)前基于rfb神經(jīng)網(wǎng)的負(fù)荷預(yù)測方法,對存在的問題進(jìn)行了分析,并對未來的發(fā)展進(jìn)行了展望。

負(fù)荷預(yù)測是實(shí)現(xiàn)電力系統(tǒng)優(yōu)化運(yùn)行的基礎(chǔ)，對于電力系統(tǒng)的安全性、可靠性和經(jīng)濟(jì)性都有著顯著的影響。rbf是一種三層前饋神經(jīng)網(wǎng)絡(luò)，具有良好的函數(shù)逼近性能，已被廣泛應(yīng)用到電力負(fù)荷預(yù)測中，并取得良好的效果。本文主要整理并介紹當(dāng)前基于rfb神經(jīng)網(wǎng)的負(fù)荷預(yù)測方法，對存在的問題進(jìn)行了分析，并對未來的發(fā)展進(jìn)行了展望。

基于rbf神經(jīng)網(wǎng)絡(luò)的軟基沉降預(yù)測研究——將神經(jīng)網(wǎng)絡(luò)理論引入軟基沉降預(yù)測領(lǐng)域．借助自控領(lǐng)域信號處理的思想，應(yīng)用改進(jìn)后的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的映射模式進(jìn)行軟基沉降的短期預(yù)測；軟基沉降的長期預(yù)測實(shí)質(zhì)上為基于神經(jīng)網(wǎng)絡(luò)的多維歐氏空間的曲面擬合問題，將地基壓...

針對建筑工程特點(diǎn),提出了基于rbf神經(jīng)網(wǎng)絡(luò)的建筑工程投標(biāo)報(bào)價(jià)方法,建立建筑工程投標(biāo)報(bào)價(jià)標(biāo)高率數(shù)學(xué)模型。應(yīng)用matlab計(jì)算軟件,以實(shí)例驗(yàn)證了該模型的正確性及實(shí)用性。

建立了基于主成分分析和rbf神經(jīng)網(wǎng)絡(luò)的水電工程造價(jià)估算模型,并運(yùn)用mtlab語言程序?qū)⑵鋵?shí)現(xiàn)。實(shí)例表明,該方法可以使工程項(xiàng)目初期造價(jià)估算更合理、準(zhǔn)確,給企業(yè)和決策者提供一種智能的估價(jià)方法。

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。

電力系統(tǒng)短期負(fù)荷對電力企業(yè)的經(jīng)濟(jì)效益和社會效益都有一定影響。因此文中建立了基于rbf神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷模型。用歷史負(fù)荷數(shù)據(jù)作為訓(xùn)練樣本,用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行電力系統(tǒng)短期負(fù)荷預(yù)測,并與bp神經(jīng)網(wǎng)絡(luò)進(jìn)行對比。rbf神經(jīng)網(wǎng)絡(luò)的平均誤差為2.09%,最大誤差為4.77%,相比于bp神經(jīng)網(wǎng)絡(luò)精確度較高,有利于電力系統(tǒng)合理地進(jìn)行調(diào)度規(guī)劃工作。

基于rbf神經(jīng)網(wǎng)絡(luò)的建筑逐時(shí)空調(diào)負(fù)荷預(yù)測模型——分別用徑向基函數(shù)(rbf)神經(jīng)網(wǎng)絡(luò)模型和bp神經(jīng)網(wǎng)絡(luò)模型對廣州市一棟辦公樓和一棟圖書館在夏季不同月份的逐時(shí)冷負(fù)荷進(jìn)行訓(xùn)練和預(yù)測，發(fā)現(xiàn)rbf神經(jīng)網(wǎng)絡(luò)模型預(yù)測的均方根誤差和平均相對誤差都僅是bp神經(jīng)網(wǎng)絡(luò)方法的64％...

分別用徑向基函數(shù)(rbf)神經(jīng)網(wǎng)絡(luò)模型和bp神經(jīng)網(wǎng)絡(luò)模型對廣州市一棟辦公樓和一棟圖書館在夏季不同月份的逐時(shí)冷負(fù)荷進(jìn)行訓(xùn)練和預(yù)測,發(fā)現(xiàn)rbf神經(jīng)網(wǎng)絡(luò)模型預(yù)測的均方根誤差和平均相對誤差都僅是bp神經(jīng)網(wǎng)絡(luò)方法的64%左右.仿真結(jié)果表明,rbf神經(jīng)網(wǎng)絡(luò)具有更高的預(yù)測精度及更好的泛化能力,是建筑空調(diào)負(fù)荷預(yù)測的一種有效方法.在此基礎(chǔ)上,構(gòu)建了基于rbf神經(jīng)網(wǎng)絡(luò)的建筑逐時(shí)空調(diào)負(fù)荷智能預(yù)測軟件系統(tǒng).

基于rbf神經(jīng)網(wǎng)絡(luò)的建筑逐時(shí)空調(diào)負(fù)荷預(yù)測模型——在簡單介紹變風(fēng)量空調(diào)(vav)系統(tǒng)的基礎(chǔ)上，通過多元線性回歸原理建立機(jī)組部分的靜態(tài)模型，并對靜態(tài)模型進(jìn)行驗(yàn)證；最后用最小二乘法建立動態(tài)模型。

建筑物沉降的因素多種多樣，因此，采用變形監(jiān)測技術(shù)對沉降量進(jìn)行監(jiān)測，利用精度較高的預(yù)測模型進(jìn)行沉降量預(yù)測預(yù)警很有意義。為了提高建筑物變形監(jiān)測的精度以及變形監(jiān)測預(yù)警的準(zhǔn)確性，針對gm（1，1）模型和rbf神經(jīng)網(wǎng)絡(luò)進(jìn)行分析，提出灰色rbf神經(jīng)網(wǎng)絡(luò)模型。通過對某建筑物的沉降監(jiān)測數(shù)據(jù)進(jìn)行實(shí)例計(jì)算，結(jié)果顯示灰色rbf神經(jīng)網(wǎng)絡(luò)模型具有較高的預(yù)測精度。

地基沉降是一種危害很大的環(huán)境災(zāi)害。地基沉降的監(jiān)測數(shù)據(jù)經(jīng)常受降雨及工程施工等諸多外界因素的干擾,故而在沉降曲線中存在許多數(shù)據(jù)突變點(diǎn)。為此,提出基于小波分析與rbf神經(jīng)網(wǎng)絡(luò)相結(jié)合的新的地基沉降預(yù)測方法,首先采用小波分析對對原始監(jiān)測數(shù)據(jù)進(jìn)行數(shù)據(jù)去噪處理,進(jìn)而得到反映實(shí)際變化的地基沉降曲線,然后采用徑向基函數(shù)(rbf)神經(jīng)網(wǎng)絡(luò)方法對其進(jìn)行預(yù)測,為工程設(shè)計(jì)提供依據(jù)。最后結(jié)合工程實(shí)例分析,通過多種小波去噪與預(yù)測結(jié)果的對比研究,表明3次b樣條小波的去噪及預(yù)測效果最好,與實(shí)測值能較好地吻合,具有較好的工程應(yīng)用前景。

以福建省公路旅客周轉(zhuǎn)量和貨物周轉(zhuǎn)量的統(tǒng)計(jì)資料為基礎(chǔ),結(jié)合神經(jīng)網(wǎng)絡(luò)技術(shù)原理,應(yīng)用bp神經(jīng)網(wǎng)絡(luò)方法建立3維輸入、單輸出、隱層單元數(shù)為15的3層神經(jīng)網(wǎng)絡(luò)模型,分別對福建省公路旅客周轉(zhuǎn)量和貨物周轉(zhuǎn)量進(jìn)行預(yù)測.結(jié)果表明,各月的旅客周轉(zhuǎn)量和貨物量預(yù)測值的最大相對誤差的絕對值分別為0.4890%和0.4495%.該模型具有簡便實(shí)用、預(yù)測精度高的優(yōu)點(diǎn).

文章對高速公路的工程特征進(jìn)行全面的分析和篩選,確定了7個(gè)對公路工程造價(jià)影響較大的工程特征,使其作為神經(jīng)網(wǎng)絡(luò)預(yù)測模型的輸入向量,隨之構(gòu)建了基于bp神經(jīng)網(wǎng)絡(luò)的高速公路工程造價(jià)預(yù)測模型,最后結(jié)合matlab神經(jīng)網(wǎng)絡(luò)工具箱對程序進(jìn)行設(shè)計(jì),并選取已完工程為實(shí)例.通過對模型的訓(xùn)練、修正以及實(shí)例驗(yàn)證,證明bp神經(jīng)網(wǎng)絡(luò)可以有效提高預(yù)測的精確度,具有較強(qiáng)的實(shí)用價(jià)值.

基于rbf神經(jīng)網(wǎng)絡(luò)的砂土液化預(yù)測——通過分析砂土液化成因及其影響因素，建立了砂土液化預(yù)測rbf網(wǎng)絡(luò)模型，并與bp網(wǎng)絡(luò)預(yù)測模型進(jìn)行比較．測試結(jié)果表明，應(yīng)用rbf網(wǎng)絡(luò)模型對砂土液化進(jìn)行預(yù)測，預(yù)測效果好，識別精度高．

針對目前混凝土強(qiáng)度預(yù)測中存在的不確定性,難以自適應(yīng)性的確定神經(jīng)網(wǎng)絡(luò)隱含層,建立了基于高維云的rbf神經(jīng)網(wǎng)絡(luò)的混凝土預(yù)測模型。運(yùn)用matlab8.10進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明該模型綜合考慮了影響混凝土強(qiáng)度的各種因素,能夠?qū)崿F(xiàn)預(yù)測結(jié)果的隨機(jī)性和模糊性,具有更高的預(yù)測精度,更快的訓(xùn)練速度,可以廣泛應(yīng)用于生產(chǎn)現(xiàn)場實(shí)地的混凝土強(qiáng)度預(yù)測和質(zhì)量檢驗(yàn)。