ABC和BP神经网络的铁路货运成本预测

准确的客流量预测在国家交通规划与管理中具有重要意义,预测方法的选择直接影响到预测的精度。客运量的预测具有小样本和非线性的特点。结合灰色理论和rbf神经网络的特点形成灰色-rbf神经网络模型,并采用客流运量分担率的方式对拟建铁路客流量进行预测。通过灰色理论对原始数据进行生成处理,将无规律的原始数据变为较有规律的生成数列,再利用rbf神经网络的超强适应能力和学习能力,大大加快学习速度并避免出现局部极小问题对生成数列进行预测,再将模型运用到客运量的预测中。最后结合新建兰州至中川机场铁路项目及调查数据进行客流量的预测研究,得出灰色-rbf神经网络模型对客流量具有很好的预测性。

准确的客流量预测在国家交通规划与管理中具有重要意义,预测方法的选择直接影响到预测的精度。客运量的预测具有小样本和非线性的特点。结合灰色理论和rbf神经网络的特点形成灰色-rbf神经网络模型,并采用客流运量分担率的方式对拟建铁路客流量进行预测。通过灰色理论对原始数据进行生成处理,将无规律的原始数据变为较有规律的生成数列,再利用rbf神经网络的超强适应能力和学习能力,大大加快学习速度并避免出现局部极小问题对生成数列进行预测,再将模型运用到客运量的预测中。最后结合新建兰州至中川机场铁路项目及调查数据进行客流量的预测研究,得出灰色-rbf神经网络模型对客流量具有很好的预测性。

为了预测高速公路路基最终沉降量,首先依据影响软土路基沉降的因素选取参数建立了bp神经网络预测最终沉降量模型.结合成都-南充高速公路沉降实测资料及其它文献中大量路基沉降资料,利用bp神经网络预测了其各自最终沉降量.通过检验样本验证,预测精度较高,能够满足实际需要.并对bp神经网络在公路建设中的应用提出了一些注意事项.

建筑节能是当今城市建设和社会发展的前沿和研究热点,对建筑的能耗现状进行综合分析与评估是进行节能改造或节能设计的前提和基础,而建立反映能耗变化的预测模型是从宏观尺度上分析认识建筑能耗变化与发展特性、为公共建筑节能工作提供决策依据的有效途径和重要手段。研究针对常规bp网络算法收敛速度慢、易陷入局部最小点的缺点,采用了具有较快收敛速度及稳定性的lm算法进行预测,构造了基于bp神经网络的建筑物用电量预测模型。以某市公共建筑原始用电能耗统计数据作为样本,并采用matlab对预测模型进行了仿真预测。结果显示:误差在允许范围内。

根据盾构施工引起地表沉降的具体问题,结合广州地铁三号线某区间地质资料,建立了地表沉降预测的bp神经网络模型,并对网络进行了训练和测试,测试结果表明,利用神经网络进行盾构隧道施工的地表沉降预测是可行的,可用于工程实践。

短时交通流预测是现代智能交通系统的核心内容,针对城市道路被占所造成的城市交通拥堵排队问题,以路段视频统计为例,利用bp神经网络方法就实际通行能力、具体车辆数、事故持续时间与排队最长长度之间的关系进行预测分析,从实验模拟结果来看,该方法能有效地解决交通流实时和可靠性预测。

本文结合住宅房地产的价格理论和相关网站上的数据,科学地选取影响商品住宅价格的影响指标为人均gdp、人均可支配收入、人口数量、房地产开发投资额和商品住宅建筑面积,并以此建立hedonic商品住宅价格影响因素模型。依照bp神经网络预测的实现步骤,探索bp神经网络在预测海口市商品住宅价格的应用,得到2018年6月-2019年5月商品住宅价格预测值,对海口市商品住宅价格的研究具有一定的指导作用。

利用matlab建立bp神经网络,将影响建筑能耗的18个因素作为网络的输入,进行学习训练,最后通过测试样本点数据预测建筑能耗,与dest-h模拟计算得到的结果比较,发现相对误差在3.5%以内,并通过实例验证了该网络模型的准确性。该方法使建筑人员在设计阶段就能快速且准确地获得设计建筑的能耗。

进度控制作为项目管理的主要内容，如何对施工进度进行有效的预测将有重要的现实意义，应用bp神经网络技术对工程进度进行预测，得到的预测值比线性方法更准确，精度更高。

基坑工程施工中,需要根据现场实际情况、周围环境、建筑安全等级等对变形进行严格控制。通过对基坑实测变形数据进行整理和分析,对未来变形量作出预测,保证基坑安全。结合bp神经网络的高度非线性映射能力,提出了一种基于bp神经网络的基坑变形时间序列预测方法。在基坑开挖过程中,采取滚动预测的方法,不断利用前期已有实测数据建模预测后期变形量,以实现信息化施工和动态控制。实例分析表明,bp神经网络模型具有较高的预测精度,并能获得满意的预测结果。

随着社会发展,汽车已经成为家庭的重要出行工具.汽车运行时间越长,故障发生率越高,不利于人们的生命健康安全.因此,利用现代模式识别、机器学习等技术构建一个汽车故障率预测模型,及时发现汽车运行故障,以便能够保证汽车以及乘用人的生命安全.本文详细地分析了bp神经网络的基本理论和概念,同时将其应用到汽车故障率预测中,可以提高故障率预测的准确度.

为了分析深基坑的沉降规律,以某实际工程为例,利用bp神经网络对该工程的深基坑沉降数据进行拟合和预测分析,采用c语言编写程序进行预测。结果表明,利用bp神经网络方法的预测结果合理,误差在允许范围内,满足工程要求,并且对类似的工程施工具有指导作用。

针对边坡变形中非平稳和非线性的数据处理问题,提出一种基于集合经验模态分解(eemd)和bp神经网络相结合的边坡变形预测新算法(eemd-bp)。该算法先对边坡变形序列进行eemd分解,有效分离出隐含在时序中具有不同尺度特征的子序列,进而对各子序列建立bp神经网络预测模型,最后叠加各子序列预测值得到边坡变形最终预测结果。与gm(1,1)和bp神经网络模型对比分析表明,该算法预测精度较高,在边坡变形波动剧烈时段,也能保证较优的局部预测值和较好的全局预测精度。

电力系统短期负荷预测是能量管理系统的重要组成部分，不但为电力系统的安全、经济运行提供保障，也是电力市场环境下编排调度计划、供电计划、交易计划的基础。因此，短期负荷预测方法的研究一直为人们所重视。

电力系统短期负荷预测是能量管理系统的重要组成部分，不但为电力系统的安全、经济运行提供保障，也是电力市场环境下编排调度计划、供电计划、交易计划的基础。因此，短期负荷预测方法的研究一直为人们所重视。

交通事故的发生因受随机因素的影响而呈现出不确定性和非线性的特点.在分析交通事故与人口、车辆、道路、经济发展等因素关系的基础上,综合考虑影响交通事故的多种因素,建立了bp神经网络.进而,选取总人口、机动车驾驶员人数、公路密度、民用车辆、人均gdp作为交通事故预测模型的输入向量,以交通事故的四项指标作为输出向量,利用lm算法或galm算法优化的bp神经网络模型对交通事故进行预测.实验表明,galm算法优化的bp神经网络模型与bp神经网络或lm算法优化的bp神经网络相比,具有较高的精度和较快的收敛速度,能更好地适用于交通事故预测.

电力系统负荷预测的重要性、分类和主要预测方法,bp神经网络算法的基本理论和预测过程,建立基于bp神经网络的短期负荷预测模型,以加州24h的电力负荷预测为例进行matlab仿真,结果显示预测精度符合电力系统要求。

以bp神经网络为基础，通过对神经网络的各个参数进行优化后建立洪水预报模型，并利用四川省达州市州河干流水文站所采集的水文数据进行仿真预报并和实测流量对比。研究表明，采用基于bp神经网络的洪水预测模型进行洪水预测的精度较高，是一种有效可靠的洪水预测方法。

科学预测沉降量为铁路运行的平顺性、安全性提供重要保障,而传统的bp神经网络在预测结果方面存在收敛速度慢、局部极小化等缺陷,基于以上因素,本文运用组合优化思想加入遗传算法优化bp神经网络,采用matlab工具创建预测模型,结合已有的铁路线下工程沉降预测样本进一步模拟,对比两种模型结果显示遗传优化后的bp神经网络在预测精度上明显高于bp神经网络,对未来工程沉降预测具有一定应用价值.

对公路网规模与经济发展的关系进行了分析,利用格兰杰因果检验法筛选指标,建立了基于bp神经网络的公路网规模预测模型,并对安徽省公路网合理规模进行了预测,以促进公路网建设与发展。

软基沉降的bp神经网络和灰色系统联合预测——使用bp神经网络插值方法对灰色数据进行了预处理，进而建立了预测软基沉降量的bp神经网络和灰色系统联合模型。实例分析表明，该模型短期沉降预测结果的最大相对误差小于2，最终沉降预测结果的相对偏差小于5，且灰色...

采用comgis(组件式地理信息系统)技术开发了结合专业震害分析模型的建筑物震害评估系统,讨论了基于bp人工神经网络和gis耦合模型的多层砖房震害预测.研究表明:水平成层土地震反应分析程序shake91在vb菜单下可直接调用,实现地震动影响场计算的模块化;bp神经网络应用于建筑物震害预测中,能达到较理想的效果,其计算模型在系统菜单下可直接调用;系统的gis空间分析功能可使震害预测结果与建筑物信息进行空间匹配,实现地震灾害损失快速评估.