物流技术
物流技術
물류기술
LOGISTICS TECHNOLOGY
2013年
5期
199-203
,共5页
贝叶斯正则化神经网络%反向传播算法%道路交通安全%倾向性预测
貝葉斯正則化神經網絡%反嚮傳播算法%道路交通安全%傾嚮性預測
패협사정칙화신경망락%반향전파산법%도로교통안전%경향성예측
Bayesian regularized neural network%BP algorithm%roadway traffic safety%tendency forecasting
对典型部门影响交通安全的相关因素进行了集成分析,构建了道路交通安全倾向性预测指标,在此基础上采用贝叶斯正则化神经网络对沈大高速公路某路段的道路交通安全倾向性进行了预测,对网络结构、训练集、预测集以及学习次数进行了优化.预测结果表明,在推广能力方面,贝叶斯正则化神经网络优于传统的神经网络,可作为探究道路交通安全系统内部各影响要素关系的辅助手段.
對典型部門影響交通安全的相關因素進行瞭集成分析,構建瞭道路交通安全傾嚮性預測指標,在此基礎上採用貝葉斯正則化神經網絡對瀋大高速公路某路段的道路交通安全傾嚮性進行瞭預測,對網絡結構、訓練集、預測集以及學習次數進行瞭優化.預測結果錶明,在推廣能力方麵,貝葉斯正則化神經網絡優于傳統的神經網絡,可作為探究道路交通安全繫統內部各影響要素關繫的輔助手段.
대전형부문영향교통안전적상관인소진행료집성분석,구건료도로교통안전경향성예측지표,재차기출상채용패협사정칙화신경망락대침대고속공로모로단적도로교통안전경향성진행료예측,대망락결구、훈련집、예측집이급학습차수진행료우화.예측결과표명,재추엄능력방면,패협사정칙화신경망락우우전통적신경망락,가작위탐구도로교통안전계통내부각영향요소관계적보조수단.
