计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2012年
12期
376-379
,共4页
汽车保有量%预测%主成分析
汽車保有量%預測%主成分析
기차보유량%예측%주성분석
城市汽车保有量影响因素众多,且存在复杂的相关关系,传统数学预测模型和神经网络模型,无法消除影响因素之间的相关性,从而导致预测精度较低.为提高城市汽车保有量预测精度,提出了一种基于主成分分析的BP神经网络预测模型.通过对城市汽车保有量影响因子进行主成分分析,消除各因子间的冗余信息,降低BP神经网络的输入维数,简化神经网络拓扑结构,提高城市汽车保有量的训练速度与预测精度.对南京市2006-2009年南京市汽车保有量进行仿真,实现结果表明,PCA-BP模型的训练速度快、预测精度高,可为城市汽车保有量预测提供参考依据.
城市汽車保有量影響因素衆多,且存在複雜的相關關繫,傳統數學預測模型和神經網絡模型,無法消除影響因素之間的相關性,從而導緻預測精度較低.為提高城市汽車保有量預測精度,提齣瞭一種基于主成分分析的BP神經網絡預測模型.通過對城市汽車保有量影響因子進行主成分分析,消除各因子間的冗餘信息,降低BP神經網絡的輸入維數,簡化神經網絡拓撲結構,提高城市汽車保有量的訓練速度與預測精度.對南京市2006-2009年南京市汽車保有量進行倣真,實現結果錶明,PCA-BP模型的訓練速度快、預測精度高,可為城市汽車保有量預測提供參攷依據.
성시기차보유량영향인소음다,차존재복잡적상관관계,전통수학예측모형화신경망락모형,무법소제영향인소지간적상관성,종이도치예측정도교저.위제고성시기차보유량예측정도,제출료일충기우주성분분석적BP신경망락예측모형.통과대성시기차보유량영향인자진행주성분분석,소제각인자간적용여신식,강저BP신경망락적수입유수,간화신경망락탁복결구,제고성시기차보유량적훈련속도여예측정도.대남경시2006-2009년남경시기차보유량진행방진,실현결과표명,PCA-BP모형적훈련속도쾌、예측정도고,가위성시기차보유량예측제공삼고의거.
