MATLAB公路货运量预测案例分析报告.docVIP

目录： 目录： 2 摘要 2 1、引言 3 2、常用的基于MATLAB的公路货运量预测模型的简介 3 2.1、一次指数平滑模型 3 2.2．灰色Verhulst模型 4 3、BP神经网络组合预测模型 5 3.1．BP神经网络组合预测模型背景介绍 5 3.2．MATLAB应用于BP神经网络的货运量组合预测模型 5 3．2．1 数据预处理 5 3．2．2 确定网络结构，初始化权重 6 3．2．3 网络训练 6 3．2．4 对训练好的网络进行检验， 判断是否具有良好的泛化功能 6 3．2．5 用训练好的网络进行模拟预测， 得到所要的预测值 6 3.3?运用BP网络建模?应用实例 7 4．对于该案例的结论与总结 9 4.1 结论 9 4.2 总结 11 参考文献 12 摘要 科学准确地预测公路货运量是制定公路网规划的基础。公路货运量的预测方法有很多，可以根据不同的情况选择不同的预测模型。本文涉及了基于MATLAB的多种公路货运量方法，包括BP神经网络组合预测模型、一次指数平滑法公路货运量预测模型、灰色Verhulst模型的公路货运量预测模型，并在此着重介绍BP神经网络建立公路运量组合预测的理论模型，灵活利用神经网络通过自适应自学习能够拟合任意非线性函数的功能，有效克服传统的组合预测方法，在实际应用中把数据间的关系强加给某一类函数的不足，并借助于先进的数学计算软件进行简单的编程大大降低模型的计算难度。实例证明该方法具有很高的预测精度。 关键词：MATLAB；公路货运量；组合预测；BP神经网络 1、引言 运输需求预测是公路网规划、区域发展规划、基础建设投资决策及运输生产组织管理的基础，对交通运输需求的预测分析具有重大的社会意义和经济意义。可见，公路货运量的预测举足轻重，可靠的预测结果是进行规划的前提，决定着整个规划的成功。 公路货运量的预测方法有很多，目前，常用的预测方法可分为单项预测方法和组合预测方法，可以根据不同的情况选择不同的预测模型。本文将介绍将包括BP神经网络组合预测模型、一次指数平滑法公路货运量预测模型、灰色Verhulst模型在内的几种公路货运量预测方法，其中着重介绍BP神经网络建立公路运量组合预测的理论模型，并以实例加以解释阐述起基本原理。 2、常用的基于MATLAB的公路货运量预测模型的简介 由于不同的预测模型的预测机理不同，往往能提供不同的有用信息。单独采用某一种模型往往有其局限性。因此，为了利用各种预测方法所提供的信息，规避单一模型的局限性，从而尽可能地提高预测精度，我们采用组合预测的方法。下面将提供几种常用基于MATLAB的公路货运量预测模型。 2.1、一次指数平滑模型 一次指数平滑法是对原始时间序列数据进行平滑的一种方法。它适用于市场观测呈水平波动，无明显上升或下降趋势情况下的预测，一次指数平滑模型利用历史数据进行平滑来消除随机因素的影响。这种模型只需要本期的实际值和本期的预测值便可预测下一期的数据，不需要保存大量的历史数据，方法比较简单易行，适用于中短期的交通量预测。 一次指数平滑模型为：式中ft——第t时期的一次指数平滑预测值，nt,,2,1…=；ty——第t时期的实际观测值，nt,,2,1…=；α——指数平滑系数，（10≤≤α），一般取0.3~0.8。 一次指数平滑模型是利用本期实际值和预测值来预测下一期的数据，其精度根据α取值的不同而不同，通常用过去几个时期的预测值与实际值的误差分析选用误差较小的α进行未来时期的预测。 2.2．灰色Verhulst模型 设有n个原始数据样本序列x(0) = (x(0) (1), x(0) (2),…, x(0) (n))，对此数列进行一阶累加生成一次累加序列1-AGO： x(1) ：x(1) = (x(1) (1), x(1) (2),??, x(1) (n)) 。 其 中 ： x(1) (1) = x(0) (1) ， ，接着求出 x(1) 的紧邻均值生成序列z(1)：z (1) = (z (1) (2), z (1) (3),..., z (1) (n))，其中 称公式（2）为灰色Verhulst 模型，a 和b 为参数。称公式（3）为灰色Verhulst 模型的白化方程，t 为时间。 计算白化方程的参数列 a? = [a,b]T的最小二乘估计值其中： 解白化方程可得： 对上式计算出来的一次累加序列进行还原，得到各时段的预测值为：x?(0) (k +1) = x?(1) (k +1) ? x?(1) (k)模型精度检验：设原始序列：x(0) =(x(0) (1),x(0) (2),??,x(0) (n))，灰色Verhulst模型预测序列为x?(0) =(x?(0)(1),x?(0)(2),??,x?(0)(n))计算残差： ε (0) (n) = x(0) (n)