基于BP神经网络的时间序列预测研究
[关键词:BP,神经网络,时间序列] [热度 ]提示:此毕业设计论文完整版包含【论文,源程序】 作品编号:zdkz0019,word全文:24页,合计:7600字 |
![](/Template/Default/Skin/images/1.gif)
本文通过分析交通流量时间序列的特点,引入BP神经网络进行短时交通流预测。首先,分析了短时交通流量预测的意义及研究背景;然后,介绍了BP神经网络的结构模型、学习规则以及BP算法的改进算法;最后,通过BP神经网络对短时交通流进行预测,并分析了在各种不同条件下的预测情况。BP神经网络模型对交通流时间序列的预测结果非常理想,说明本文所建立的基于BP神经网络的时间序列预测模型具有有效性和普适性。
......
本文研究内容
交通流量的预测通常以历史时间序列和当前时间序列数据点为特征。即利用大量的历史交通流数据,来预测未来交通流量。本文是以BP神经网络作为预测模型,进行单步预测。采用的交通流量数据是从华盛顿大学、西雅图大学提供的TDAD(Traffic Data Acquisition and Distribution,交通流量数据的获取与采集)中获得。采集日期是从2005年6月6日至2005年7月3日,各个探测器名称分别是ES-088D、ES-708D、ES-708D和 ES-645D。(http://www.its.washington.edu/tdad/tdad_top.html)
道路交通流量具有非线性、复杂性和不确定性等基本特征,BP神经网络应用于短时交通流预测,可以有效地提高预测精度。下面从以下三点进行说明:
(1) BP神经网络具有强大的组织能力与自适应性,能够通过对输入样本的学习来自动调整网络结构,从而很好的反应交通流时间序列的特性;
(2) BP神经网络进行计算的复杂性和计算量低于一般统计方法,节省了预测的时间;
(3) BP神经网络具有良好的容错性和联想记忆功能,可以学习道路交通流量的历史信息,找出其中的规律,从而得到精确的预测结果。
......
BP神经网络结构设计及改进算法
本设计采用三层网络:输入层,输入样本为处理过的交通流量数据;隐含层,激活函数采用S型函数;输出层,激活函数采用线性函数。创建一个多层前向网络,目标误差为0.00001,学习率为0.05,网络训练次数设为7000次。以间隔时间为15分钟为例,总共有2685个数据,重构后为2671个样本,前2560个作为训练样本,后100个作为测试样本。
为了验证BP神经网络的预测效果,在本实验中,BP神经网络采用梯度下降法,改进BP神经网络的训练函数分别选用共轭梯度算法、自适学习速率法、拟牛顿法、弹性BP算法和L-M算法。
提示:此毕业设计论文完整版包含【论文,源程序】 作品编号:zdkz0019,word全文:24页,合计:7600字 |
本自动控制毕业设计论文作品由 毕业论文设计参考 [http://www.qflunwen.com] 征集整理——基于BP神经网络的时间序列预测研究(论文,源程序)!