中国铁道科学
中國鐵道科學
중국철도과학
CHINA RAILWAY SCIENCE
2010年
3期
126-132
,共7页
汪健雄%刘春煌%单杏花%朱建生
汪健雄%劉春煌%單杏花%硃建生
왕건웅%류춘황%단행화%주건생
铁路客运量%运量预测%双层次正交化%神经网络模型
鐵路客運量%運量預測%雙層次正交化%神經網絡模型
철로객운량%운량예측%쌍층차정교화%신경망락모형
针对传统BP神经网络模型存在的计算效率和泛化能力低的问题,采用双层次特征分析方法对铁路旅客发送量统计数据的时间特征进行分析,提取出日趋势特征、月趋势特征、日周期性特征、月周期性特征、春运-暑运特征和黄金周-小长假特征作为模型的输入变量,建立双层次的BP神经网络模型,然后根据Gram-Schmidt正交化定理对双层次BP神经网络模型进行改进.在隐含层的输出采用Gram-Schmidt变换增加投影层,从而得到双层次正交神经网络模型.该模型包括2个相对独立的网络模型,1个用于处理客运量日数据,另1个用于处理月数据,2个网络模型的输出经过合成,最终得到客运量的预测结果.模型的应用证明,在铁路客运量预测中双层次正交神经网络模型比传统的BP神经网络模型更为有效.
針對傳統BP神經網絡模型存在的計算效率和汎化能力低的問題,採用雙層次特徵分析方法對鐵路旅客髮送量統計數據的時間特徵進行分析,提取齣日趨勢特徵、月趨勢特徵、日週期性特徵、月週期性特徵、春運-暑運特徵和黃金週-小長假特徵作為模型的輸入變量,建立雙層次的BP神經網絡模型,然後根據Gram-Schmidt正交化定理對雙層次BP神經網絡模型進行改進.在隱含層的輸齣採用Gram-Schmidt變換增加投影層,從而得到雙層次正交神經網絡模型.該模型包括2箇相對獨立的網絡模型,1箇用于處理客運量日數據,另1箇用于處理月數據,2箇網絡模型的輸齣經過閤成,最終得到客運量的預測結果.模型的應用證明,在鐵路客運量預測中雙層次正交神經網絡模型比傳統的BP神經網絡模型更為有效.
침대전통BP신경망락모형존재적계산효솔화범화능력저적문제,채용쌍층차특정분석방법대철로여객발송량통계수거적시간특정진행분석,제취출일추세특정、월추세특정、일주기성특정、월주기성특정、춘운-서운특정화황금주-소장가특정작위모형적수입변량,건립쌍층차적BP신경망락모형,연후근거Gram-Schmidt정교화정리대쌍층차BP신경망락모형진행개진.재은함층적수출채용Gram-Schmidt변환증가투영층,종이득도쌍층차정교신경망락모형.해모형포괄2개상대독립적망락모형,1개용우처리객운량일수거,령1개용우처리월수거,2개망락모형적수출경과합성,최종득도객운량적예측결과.모형적응용증명,재철로객운량예측중쌍층차정교신경망락모형비전통적BP신경망락모형경위유효.
