基于matlab实现BP神经网络模型仿真.pdf

基于 BP 神经网络模型及改进模型对全国历年车祸次数预测 一、 背景 我国今年来随着经济的发展， 汽车需求量不断地增加， 所以全国每年的车祸次数也被越 来越被关注，本文首先搜集全国历年车祸次数，接着通过这些数据利用 BP 神经网络模型和 改进的径向基函数网络进行预测， 最后根据预测结果， 分析模型的优劣， 从而达到深刻理解 BP 神经网络和径向基函数网络的原理及应用。所用到的数据即全国历年车祸次数来自中国 汽车工业信息网，网址如下： /autoinfo_cn/cszh/gljt/qt/webinfo/2006/05/124650 1820021204.htm 制作历年全国道路交通事故统计表如下所示： 年份 事故次数（次） 1998 346129 1999 412860 2000 616971 2001 754919 2002 773137 2003 667507 2004 567753 2005 450254 2006 378781 2007 327209 2008 265204 2009 238351 二、 问题研究 （一） 研究方向 （1 ） 通过数据利用 BP 神经网络模型预测历年全国交通事故次数并与实际值进行比较。 （2 ） 分析 BP 神经网络模型改变训练函数再进行仿真与之前结果进行对比。 （3 ） 从泛化能力和稳定性等方面分析 BP 神经网络模型的优劣。 （4 ） 利用径向基函数网络模型进行仿真，得到结果与采用 BP 神经网络模型得到的结果 进行比较。 （二） 相关知识 （1 ） 人工神经网络 人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。 在 工程与学术界也常直接简称为神经网络或类神经网络。 神经网络是一种运算模型， 由大量的 节点（或称神经元） 和之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函 数 （activation function ）。每两个节点间的连接都代表一个对于通过该连接信号的加权值， 称 之为权重， 这相当于人工神经网络的记忆。 网络的输出则依网络的连接方式， 权重值和激励 函数的不同而不同。 而网络自身通常都是对自然界某种算法或者函数的逼近， 也可能是对一 种逻辑策略的表达。 人工神经网络有以下几个特征： （1）非线性 非线性 关系是自然界的普遍特性。大脑的智慧就是一种非线性现象。 人工神经元处于激活或抑制二种不同的状态，这种行为在数学上表现为一种非线性 网络关系。具有阈值的神经元构成的网络具有更好的性能，可以提高容错性和存储 容量。 （2 ）非局限性 一个 神经网络 通常由多个神经元广泛连接而成。一个系统的整体行 为不仅取决于单个神经元的特征，而且可能主要