基于灰色神經(jīng)網(wǎng)絡(luò)組合的交通量預(yù)測模型應(yīng)用

基于甘肅高等級公路收費年收入的統(tǒng)計數(shù)據(jù),結(jié)合其收入和交通量之間的粗略關(guān)系,運用bp神經(jīng)網(wǎng)絡(luò)預(yù)測高等級公路各收費站年收入,從而間接地對高等級公路交通流量進(jìn)行預(yù)測,為提高高速公路的管理與服務(wù)水平,對提高高等級公路管理部門的信息感知能力和應(yīng)急處置能力、提高路網(wǎng)運行效率、建設(shè)和諧高等級公路具有極其重要的意義。

引言高速公路交通量預(yù)測是高速公路建設(shè)項目可行性研究報告的一項重要內(nèi)容,它是進(jìn)行交通量現(xiàn)狀評價、綜合分析建設(shè)項目的必要性和可行性的基礎(chǔ),是確定高速公路建設(shè)項目的技術(shù)等級、工程規(guī)模、效益分析的主要依據(jù)。同時,其準(zhǔn)確率直接關(guān)系高速公路投資回報率,甚至影響項目國民經(jīng)濟(jì)評價及財務(wù)評價。根據(jù)調(diào)查資料和工程項目的性質(zhì)選用不同的預(yù)測方法,國內(nèi)、外已提出的各種預(yù)測方法多達(dá)200種左右,但用于實際操作的較少,如頭腦風(fēng)暴法、專家預(yù)測法、

針對基坑變形預(yù)測中信息的灰色性和數(shù)據(jù)的非線性性,提出用灰色神經(jīng)網(wǎng)絡(luò)預(yù)測基坑變形的新方法。用一樁錨聯(lián)合支護(hù)體系實例進(jìn)行了預(yù)測研究,得到支護(hù)體系的不同預(yù)測模型的組合預(yù)測值。研究結(jié)果表明:灰色神經(jīng)網(wǎng)絡(luò)預(yù)測誤差比gm(1,1)預(yù)測模型小;與bp預(yù)測模型相比,前期誤差大,后期誤差小。在基坑變形監(jiān)測中,為了更準(zhǔn)確地預(yù)測基坑變形,可以采用灰色神經(jīng)網(wǎng)絡(luò)預(yù)測與bp預(yù)測相結(jié)合的方法進(jìn)行預(yù)測。

提出了一種基于灰色模型和神經(jīng)網(wǎng)絡(luò)組合的短期負(fù)荷預(yù)測方法。首先利用頻域分解消除負(fù)荷序列的周期性,然后利用灰色模型計算負(fù)荷序列的歷史擬合值和未來預(yù)測值,將其作為神經(jīng)網(wǎng)絡(luò)的輸入。在歷史數(shù)據(jù)中選擇一天作為基準(zhǔn)日,以該基準(zhǔn)日的量為參照,以負(fù)荷的灰色模型擬合值相對基準(zhǔn)日的變化量,以及溫度變化量為bp神經(jīng)網(wǎng)絡(luò)的輸入,實際負(fù)荷變化量為輸出,訓(xùn)練神經(jīng)網(wǎng)絡(luò)并預(yù)測待預(yù)測日負(fù)荷的變化量,加上基準(zhǔn)日負(fù)荷后得到預(yù)測負(fù)荷。該方法綜合了灰色模型方法和神經(jīng)網(wǎng)絡(luò)方法的優(yōu)點,仿真結(jié)果驗證了方法的有效性。

針對電力日最高負(fù)荷受多種因素影響,變化趨勢復(fù)雜,難以通過建立準(zhǔn)確的數(shù)學(xué)模型進(jìn)行預(yù)測的問題,提出灰色動態(tài)模型對電力日最高負(fù)荷進(jìn)行預(yù)測,在此基礎(chǔ)上構(gòu)造了灰色神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型。該模型避免了變權(quán)組合預(yù)測模型的主觀與繁瑣,能有效地將灰色預(yù)測弱化數(shù)據(jù)序列波動性的優(yōu)點和神經(jīng)網(wǎng)絡(luò)較強(qiáng)的非線性適應(yīng)能力相融合。算例結(jié)果表明該方法的可行性和有效性,預(yù)測精度也得到了改善。

在深基坑工程施工過程中，基坑周圍地表的沉降對周圍建筑物、地下管線和支護(hù)體系的安全都會造成很大的影響，如何利用對影響基坑周圍地表沉降的關(guān)聯(lián)因素的研究并結(jié)合基坑周圍地表沉降的監(jiān)測數(shù)據(jù)來分析得到基坑周圍地表沉降量的走勢，已成為城市建設(shè)中的一個重要的安全課題．以天津市某換乘車站為例，分析影響該基坑周圍地表沉降的關(guān)聯(lián)因素，建立灰色預(yù)測和bp神經(jīng)網(wǎng)絡(luò)組合模型，在“小樣本、貧信息”的情況下，得到的預(yù)測結(jié)果與實際監(jiān)測值吻合度較高．利用該預(yù)測模型可對一些在開挖過程中監(jiān)測天數(shù)相對較少的深基坑工程進(jìn)行可靠而準(zhǔn)確的預(yù)測．

為降低船舶交通流量的預(yù)測誤差,提高預(yù)測精度,在分析傳統(tǒng)的灰色模型和反向傳播(backpropagation,bp)神經(jīng)網(wǎng)絡(luò)模型優(yōu)缺點的基礎(chǔ)上,構(gòu)建灰色神經(jīng)網(wǎng)絡(luò)模型預(yù)測船舶交通流量.以實際測量值作為初始數(shù)據(jù)構(gòu)建不同的灰色模型,各種灰色模型的預(yù)測值作為神經(jīng)網(wǎng)絡(luò)的輸入值,得到最佳預(yù)測模型.實例分析表明:灰色神經(jīng)網(wǎng)絡(luò)模型可提高預(yù)測精度,預(yù)測結(jié)果比較理想,優(yōu)于單一預(yù)測模型;該模型具有所需初始數(shù)據(jù)少和非線性擬合能力強(qiáng)的特點,用于船舶交通流量預(yù)測是可行和有效的.

利用智能方法對邊坡形變進(jìn)行預(yù)測,進(jìn)而對礦區(qū)安全進(jìn)行評估近年來成為研究的熱點。針對邊坡形變數(shù)據(jù)小樣本、貧信息、高非線性等特點,本文將灰色理論與神經(jīng)網(wǎng)絡(luò)方法相結(jié)合構(gòu)建灰色神經(jīng)網(wǎng)絡(luò),充分利用灰色模型處理小樣本和神經(jīng)網(wǎng)絡(luò)處理非線性的能力,對礦區(qū)邊坡形變進(jìn)行預(yù)測。實驗分析表明,利用灰色神經(jīng)網(wǎng)絡(luò)進(jìn)行形變預(yù)測是正確有效的,預(yù)測精度取得了較好的效果。

為了提高電力需求預(yù)測的精度,分析現(xiàn)有人工神經(jīng)網(wǎng)絡(luò)和灰色預(yù)測方法各自的優(yōu)缺點,將二者相結(jié)合提出一種并聯(lián)灰色神經(jīng)網(wǎng)絡(luò)預(yù)測方法。新方法首先采用灰色模型、神經(jīng)網(wǎng)絡(luò)分別進(jìn)行預(yù)測,而后給出了一種基于粗糙集理論確定權(quán)值的方法對加權(quán)系數(shù)加以確定,最后對預(yù)測結(jié)果加以組合作為實際預(yù)測值。用上述并聯(lián)灰色神經(jīng)網(wǎng)絡(luò)模型對上海市的電力需求進(jìn)行預(yù)測,模型精度和預(yù)測結(jié)果比較理想,優(yōu)于單一預(yù)測模型。計算結(jié)果表明,該模型用于電力需求預(yù)測是有效可行的,適用于中長期需求預(yù)測。

灰色gm(1,1)預(yù)測模型,要求樣本數(shù)據(jù)少,具有原理簡單、運算方便、短期預(yù)測精度高、可檢驗等優(yōu)點,在負(fù)荷預(yù)測中得到了廣泛應(yīng)用,但是也有其局限性。當(dāng)數(shù)據(jù)灰度越大,預(yù)測精度越差,且不太適合經(jīng)濟(jì)長期后推若干年的預(yù)測,在一定程度上是由模型中的參數(shù)α造成的,為此引入向量θ,建立殘差gm(1,1,θ)模型,利用蟻群優(yōu)化算法對其進(jìn)行求解,同時應(yīng)用神經(jīng)網(wǎng)絡(luò)對其預(yù)測殘差進(jìn)行優(yōu)化。實證分析表明,與傳統(tǒng)的預(yù)測方法相比,大大提高了預(yù)測精度,該方法具有一定的實用價值。

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)行實例計算，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。

交通運輸量預(yù)測是公路規(guī)劃與管理中的重要問題.結(jié)合灰色理論模型與神經(jīng)網(wǎng)絡(luò)的優(yōu)點,基于不同的組合預(yù)測思想分別建立了加權(quán)算術(shù)平均組合、加權(quán)平方和平均組合及加權(quán)比例平均組合預(yù)測模型.利用不同的評價模型對多組數(shù)據(jù)進(jìn)行了評價分析研究.結(jié)果表明,通過選擇合適的組合預(yù)測模型及參數(shù)估計方法并確定最佳的模型參數(shù),能夠有效地提高預(yù)測精度.

介紹灰色神經(jīng)網(wǎng)絡(luò)模型的建模原理和方法,并采用該模型對實際的監(jiān)測數(shù)據(jù)進(jìn)行處理和分析。結(jié)果表明,灰色神經(jīng)網(wǎng)絡(luò)模型能夠在小樣本、貧信息和波動數(shù)據(jù)序列等情況下對變形監(jiān)測數(shù)據(jù)做出比較準(zhǔn)確的模擬和預(yù)報,從而能夠為變形監(jiān)測的數(shù)據(jù)處理提供一種較好的方法,能夠滿足實際應(yīng)用的需求。

以浙江省公路貨運量歷史數(shù)據(jù)為例,考慮到影響貨運量主要因素,采用灰色神經(jīng)網(wǎng)絡(luò)模型gnnm(1,n)進(jìn)行預(yù)測,并與灰色模型gm(1,n)和神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果相比較。計算結(jié)果表明:該方法在預(yù)測公路物流需求量具有有效性;在灰色模型gm(1,n)預(yù)測時,通過比較緊鄰均值生成序列的生成系數(shù)α對預(yù)測精度的影響,選取了最優(yōu)值進(jìn)行計算從而提高了灰色模型的預(yù)測精度。

在城市地下工程建設(shè)中,深基坑開挖引起的周圍地表土沉降問題越來越受到人們的重視。地表沉降將引起鄰近建、構(gòu)筑物破壞,從而造成經(jīng)濟(jì)損失。因此,預(yù)測基坑周圍土體未來一段時間的沉降,對及時采取治理措施具有重要意義。文章針對gm(1,1)模型地面沉降預(yù)測精度較低的問題,利用神經(jīng)網(wǎng)絡(luò)對灰色預(yù)測模型進(jìn)行組合,生成灰色神經(jīng)網(wǎng)絡(luò)模型,并進(jìn)行預(yù)測分析,結(jié)果表明,利用灰色神經(jīng)網(wǎng)絡(luò)模型預(yù)測的沉降值,比單獨的灰色gm(1,1)模型預(yù)測的沉降值具有更高的精度。

本文將灰色理論引入交通預(yù)測中進(jìn)行建模,并在某高速上進(jìn)行實例分析,該方法具有較高的可靠性和實用性.

針對具有跳躍性的中長時數(shù)據(jù)預(yù)測,提出一種改進(jìn)加權(quán)灰色gm(1,1)模型對高速公路收費站交通量進(jìn)行預(yù)測.將原始交通量數(shù)據(jù)經(jīng)過1階弱化和1-ago處理后,利用灰色關(guān)聯(lián)度對初始值的取值進(jìn)行加權(quán)優(yōu)化,同時對背景值采取光滑優(yōu)化處理,從而組合成新型灰色gm(1,1)模型.應(yīng)用某收費站實際交通量統(tǒng)計數(shù)據(jù)來驗證新型灰色gm(1,1)模型算法預(yù)測準(zhǔn)確性,結(jié)果表明:改進(jìn)加權(quán)灰色gm(1,1)模型具有更好的適用性和準(zhǔn)確性.

水資源利用評價與趨勢預(yù)測是當(dāng)前水資源研究的熱點問題.運用生態(tài)足跡方法計算了廣西1997~2014年的水資源生態(tài)足跡、水資源生態(tài)承載力和水資源生態(tài)盈余,在此基礎(chǔ)上,采用灰色神經(jīng)網(wǎng)絡(luò)模型進(jìn)行動態(tài)模擬并預(yù)測其2015~2019年的發(fā)展趨勢.結(jié)果表明:①1997~2014年,廣西人均水資源生態(tài)足跡和水資源生態(tài)承載力總體均呈下降態(tài)勢,但前者的降幅明顯小于后者;歷年水資源均表現(xiàn)為生態(tài)盈余但總體呈下降走勢,表明該地區(qū)水資源利用處于可持續(xù)狀態(tài)但面臨逐漸轉(zhuǎn)向不可持續(xù)的威脅.②2015~2019年的人均水資源生態(tài)足跡將維持在0.9~1.1hm2左右,其走向是先升后降;人均水資源生態(tài)承載力將保持在1.8~2.3hm2左右,波動明顯;人均水資源生態(tài)盈余介于0.7~1.3hm2之間,水資源利用仍將處于可持續(xù)狀態(tài),但可持續(xù)開發(fā)利用空間相較之前明顯縮小.③與常用的灰色模型相比,灰色神經(jīng)網(wǎng)絡(luò)模型模擬精度具備明顯優(yōu)勢并具有很強(qiáng)的內(nèi)插擬合能力和較好的外推預(yù)測能力,可應(yīng)用于同類問題的預(yù)測分析.

bp神經(jīng)網(wǎng)絡(luò)-灰色系統(tǒng)聯(lián)合模型預(yù)測軟基沉降量——目前軟基沉降預(yù)測多采用指數(shù)曲線和雙曲線延伸法，其結(jié)果不夠理想，神經(jīng)網(wǎng)絡(luò)在此方面的運用也存在一定的局限，雖然gm(1，1)模型在軟基沉降預(yù)測領(lǐng)域已得到運用，但在已有的案例中所使用的等時距模型都沒有明確說明...

針對bp神經(jīng)網(wǎng)絡(luò)、rbf神經(jīng)網(wǎng)絡(luò)和小波神經(jīng)網(wǎng)絡(luò)應(yīng)用于負(fù)荷預(yù)測時所遇到的問題,提出了一種基于各種神經(jīng)網(wǎng)絡(luò)的組合預(yù)測模型。該模型為單輸出的3層神經(jīng)網(wǎng)絡(luò),即將3種神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果作為神經(jīng)網(wǎng)絡(luò)的輸入,將實際負(fù)荷值作為神經(jīng)網(wǎng)絡(luò)的輸出,使訓(xùn)練后的網(wǎng)絡(luò)具有預(yù)測能力。該模型能降低單個神經(jīng)網(wǎng)絡(luò)的預(yù)測風(fēng)險,提高預(yù)測精度。仿真結(jié)果表明,所提出的組合預(yù)測模型的精度高于其中任一單一網(wǎng)絡(luò)模型,也高于傳統(tǒng)的線性組合預(yù)測模型。

首次提出了一種基于hht和神經(jīng)網(wǎng)絡(luò)組合的預(yù)測模型。負(fù)荷數(shù)據(jù)首先經(jīng)過emd分解,得到一系列imf分量及余項,通過各分量的頻譜觀察,針對低頻imf分量規(guī)律性及周期性強(qiáng),高頻分量相對較弱的特點,對低頻imf分量選擇合適的預(yù)測模型直接進(jìn)行預(yù)測,高頻imf采用多神經(jīng)網(wǎng)絡(luò)組合預(yù)測方法。仿真結(jié)果表明,文中提出的預(yù)測模型的精度高于任一單一模型,并且高于傳統(tǒng)的線性組合預(yù)測模型。

提出了根據(jù)實測數(shù)據(jù)構(gòu)造神經(jīng)網(wǎng)絡(luò)變形預(yù)測模型的基本思路,構(gòu)造出基于bp算法的神經(jīng)網(wǎng)絡(luò)變形預(yù)測模型,并給出應(yīng)用實例分析。結(jié)果表明,神經(jīng)網(wǎng)絡(luò)應(yīng)用于變形預(yù)測效果良好,具有一定參考價值和指導(dǎo)意義。