基于遗传算法优化灰色神经网络的浙江省公路客运量预测模型

摘要

我的家乡位于美丽的浙江省，拥堵的交通总是让人无可奈何，而准确的公路客运量预测是进行公路交通规划与管理的主要依据之一，所以我决定要通过我所学的专业知识，为家乡的交通做些贡献。本文通过对浙江省近十多年的客运量进行分析研究，找出其特征，并且建立一个相对误差较小的预测模型。
　　 本文首先分析了公路客运量在总客运量中所处的地位，并归纳了浙江省近十多年来各个市公路客运量的变化趋势，及占总客运量比重的变化情况。由总体到局部对浙江省客运量进行了简单得分析研究。其次从定性分析和定量计算两方面研究了浙江省客运量的影响因素，分别为居民总消费水平、公路里程数、人口、国内生产总值GDP、旅游总人数、工业产值、第三产业产值，第一产业产值这八个变量。再次根据2000-2010年这11年八个影响因素和公路客运量数据建立四个预测模型，并进行比较分析选出最优，误差最小的模型。第一个模型为多维灰模型GM(1，8)，在对所有的数据初始化的基础上进行一次累加生成，使其形成具有指数增长规律的数据，并建立起具有微分形式的模型，根据最小二乘法，得到模型如下:(1+0.8926)y(k)+1.7852y(1)(k-1)=-1.1999x1(1)(k)+0.0525x2(1)(k)+1.7215x3(1)(k)-6.0793x4(1)(k)+3.8757x6(1)(k)+2.6733x7(1)(k)+0.846x8(1)(k)(k=2,3，…，11)并得到此模型的预测相对误差为2.24％，精度为一级。第二个模型是结构为8-5-1的BP神经网络预测模型，通过网络预测误差e不断地更新网络连接权值，得到预测结果的相对误差为4.96％。第三个模型为灰色神经网络预测模型，原始数列为xi(0)(i=0，1，2，…，N-1)经过一次累加生成之后得到数列xi(1)呈现指数增长的规律，可以用一个微分方程进行数据拟合和预测，设为dy1/dt+ay1=b1y2+b2y3+…+bn-1yn将其变换并映射到一个扩展的BP神经网络就成为一个灰色神经网络，通过不断地更新网络权值减少误差，最终得到如下:y=(1-e-2.6831t)(0.0931x1+0.0284x2+0.0664x3+0.3761x4+0.2157x5+0.3831x6+0.0282x7+0.0015x8)此模型相对误差为2.2％。由于在这个模型中，a，b1，b2，…，b8是随机初始化的，为了挺高精确度，建立了第四个模型。第四个模型为遗传算法优化灰色神经网络模型。通过遗传中的选择、交叉和变异对a，b1，b2，…，b8进行筛选，并找出最优值，即:a=0.416,b1=0.381,b2=0.524, b3=0.285,b4=0.652b5=0.631,b6=0.493,b7=0.477,b8=0.609。
　　 根据最优的a，b1，b2，…，b8建立灰色神经网络模型，得到如下:y=(1-e-2.5755t)(0.0939x1+0.0238x2+0.0796x3+0.3827x4+0.2921x5+0.3889x6+0.0339x7+0.0017x8)
　　 根据浙江省2000-2010年度的统计年鉴，利用如上模型，预测到2010年浙江省客运量为218680万人，实际值为215708万人，相对误差仅为-1.38％，低于前三个模型，且较为精确。从这个预测模型中可看到工业产值对公路客运量的影响最大，而第一产业产值对公路客运量的影响最小。此模型精确度高且符合实际意义，可用于浙江省公路客运量的预测。

目录

声明

摘要

第一章 绪论

1．1 研究背景和意义

1．2 研究方法

第二章 浙江省公路客运需求的现状和特征分析

2．1 浙江省人文及自然地理环境

2．2 浙江省公路客运需求的现状和特性分析

2．3 浙江省各市2000年-2010年公路客运需求量分析

2．4 定性分析浙江省公路客运需求的影响因素

2．5 定量分析浙江省公路客运需求的影响因素

2．5．1 灰关联分析

2．5．2 运用灰关联分析定量分析浙江省公路客运需求的主要因素

第三章 灰色系统预测浙江省公路客运量

3．1 灰色系统理论简介

3．2 多维灰模型GM(1，N)

3．2．1 概念

3．2．2 模型精度检验

3．3 多维灰模型GM(1，N)预测浙江省公路客运量

3．4 用多维灰模型GM(1，N)预测浙江省公路客运量的结果及分析

3．4．1 预测结果及图形

3．4．2 预测模型分析

第四章 基于BP神经网络的浙江省客运量预测模型

4．1 神经网络简介

4．1．1 BP神经网络概述

4．1．2 BP神经网络的学习算法

4．1．3 BP神经网络预测模型算法流程结构图

4．2 运用BP神经网络建立预测模型

4．2．1 数据处理

4．2．2 BP神经网络构建及预测

第五章 基于灰色神经网络的的浙江省客运量预测模型

5．1 灰色神经网络理论

5．2 灰色神经网络的算法

5．3 灰色神经网络预测模型算法流程图

5．4 灰色神经网络预测模型

5．4．1 灰色神经网络模型数据初始化

5．4．2 灰色神经网络模型结果与分析

第六章 遗传算法优化灰色神经网络模型

6．1 遗传算法原理

6．2 遗传算法的基本实现

6．2．1 编码方法

6．2．2 适应度函数

6．2．3 选择算子

6．2．4 交叉算子

6．2．5 变异算子

6．3 遗传算法优化灰色神经网络

6．4 遗传算法优化灰色神经网络流程结构图

6．5 模型种群运行参数初始化

6．6 遗传算法优化灰色神经网络的初始参数

6．7 灰色神经网络模型结果与分析

6．8 四个模型预测结果比较

第七章 结论和展望

7．1 总结

7．2 展望

参考文献

附录

致谢