BP神经网络主成分分析法在汽车保有量预测中的应用.pdfVIP

96 交通与计算机　2007 年第4 期　第25 卷　总 137 期 B P 神经网络主成分分析法在 汽车保有量预测中的应用 何　明　过秀成 ( 东南大学　南京 2 10096) 摘　要　针对影响汽车保有量预测的多个因素, 采用主成分分析的方法提炼出较少的与线性 无关的主要因素, 并根据这些因素, 利用B P 神经网络方法对汽车保有量进行了预测, 最后通过实 例, 将B P 神经网络主成分分析法计算结果和非线性模拟与全要素B P 神经网络模拟结果进行比 较, 得知B P 神经网络主成分分析法在运算效率、运算精度上较优。 关键词　汽车保有量; 预测; B P 神经网络; 主成分分析 中图法分类号:U 49 1　　文献标识码: A 人口增多, 人们的出行量就会增多, 对汽车特别是 0　引　言 客车的需求就会越大, 因而必然导致保有量的增 在城市道路交通规划中, 汽车保有量预测是 长, 以满足需求。经济是交通的源需求, 城市经济 规划过程中一项基础工作。科学准确地把握未来 发展水平可以从多项指标上反映出来, 如国内生 城市汽车发展保有量对做好交通流生成预测, 宏 产总值、人均国内生产总值、工业总产值、城市的 观上把握路网容量供需关系和道路交通流的分布 财政收入、城市居民人均生活费收入与支出等。任 分配, 构建完善的路网规划具有十分重要的意义。 何一个城市汽车保有量都与这些经济发展指标相 传统的汽车保有量预测方法主要有外推法, 关, 并受其制约, 特别在经济发展阶段, 经济水平 [ 1 ] 因果法, 判断分析法等 。现行的预测方法虽各有 是决定汽车保有量最主要的方面。在综合考虑影 其优点, 但大多存在数据拟合度不高, 外推性不 响汽车保有量的诸多因素, 本文选取人 口、 、 GD P 强, 预测结果与实际情况有较大偏差等问题。 人均 GD P、工业总产值、财政收入、居 民年均收 为此, 笔者采用 神经网络结合主成分分析 B P 入、居民年均支出等7 个因素作为影响指标。 [2 ] 构造了汽车保有量预测模型 , 将原来有较多的 　　2) 汽车保有量预测模型。 输入变量群进行主成分分析, 利用线性变换得到 ( 1) 主成分分析。主成分分析是利用降维的 一组个数较少的、彼此不相关的新输入变量, 再用 思想, 通过构造原始指标的适当的线性组合, 以产 新输入变量作为 神经网络的输入, 从而简化了 B P 生一系列互不相关的综合性指标, 从中选出少数 输入变量, 提高了神经网络性能。还利用实际数据 几个综合指标, 并使它们含有尽可能多的原始指 对某市汽车保有量进行了预测。 标所反映的信息, 进而用这较少的几项综合性指 1　基于B P 神经网络主成分分析法 标来刻画个体。由于该方法具有消除指标之间的