基于层次结构模型的RBF神经网络货运量预测方法.pdfVIP

维普资讯 第22卷 第4期 长 沙 交 通 学 院 学 报 Vn1．22 No．4 2006年 12月 JOURNAL OFCHANGSHA COMMUNICATIONSUNIVERSITY Dec． 2Oo6 文章编号：1000—9779(2006)o4—0o61—04 基于层次结构模型的RBF神经网络 货运量预测方法 胡 波，刘建民 (西北工业大学力学与土木建筑学院，陕西西安 710072) 摘 要：为了有效地进行交通货运量预测，通过对货运量影响因素的分析，建立了关于货运 量影响因素的层次结构模型，并根据该模型构建基于RBF神经网络的货运量预测方法。用 我国1985—2004年的货运量对该神经网络进行训练和预测，同时与Bp神经网络预测方法进 行比较。结果表明，该方法具有更快的运算速度和更高的精度，具有很好的预测能力和应用 价值。 关键词：RBF神经网络；BP神经网络；货运量 中图分类号：U116．3 文献标识码 ：A 货运量是运输系统中一个重要的指标。它研究货运量的变化规律，并对货运量进行科学合理地预 测，对交通规划和经济发展具有重要的意义。进行货运量预测的方法很多，常用的方法包括时间序列 法、回归分析法和灰色系统法等。这些方法都集中在对其因果关系回归模型和时间序列模型的分析上， 所建立的模型不能全面和本质地反映所预测动态数据的内在结构和复杂特性，从而丢失了信息…。近 几年来 ，随着神经网络技术的发展，BP神经网络在货运量预测中得到了广泛应用 J，但已有的研究成 果对影响货运量的因素分析明显不足，并且BP神经网络 自身存在着收敛慢等缺点，这给实际应用带来 了困难。为此，作者试通过建立货运量影响因素层次结构模型，并根据该模型构建基于RBF神经网络 的货运量预测方法，同时与BP神经网络预测方法进行比较。 1 货运量影响因素层次结构模型 货运量是国民经济系统和运输系统供给两个因素共同作用的结果。从经济系统方面来看，在经济 系统内部有许多因素影响着货运需 求，如国内生产总值、能源生产和需求 货运量 总量、工业总产值等。从运输系统供 给方面来看，铁路和公路运输对货运 量影响较大。因此，货运量预测是一 种复杂的非线性系统。根据文献[5， 国 铁 民 路 6]和层次分析法中指标体系所建立的 生 复 方法，将货运量作为 目标层，经济和造 靠 线 总 比 输系统作为准则层，影响因素作为指 值 重 标层，构建货运量影响因素层次结构 模型，见图1。 图1 货运量影响因素层次结构模型 收稿 日期：2005—08—31 作者简介：胡 波(1978一)，男，西北工业大学硕士生 维普资讯 62 长 沙 交 通 学 院 学 报 第22卷 2 建立RBF神经网络货运量预测方法 2．1 基本思路 货运量预测受到多个因素共同影响，且各因素之间有着复杂的关系，是一种具有高度不确定的非线 性系统。利用传统的预测方法有着诸多限制，而人工神经网络因其广泛的适应能力和学习能力，在非线