基于AHP和BP神经网络高速公路物流预测模型

文章主要对江西高速公路信息中心建设中的道路气象监测平台和交通应急监控平台做了一些具体的研究。主要研究内容首先是道路气象监测平台监测各路段及关键点的各种异常交通环境因素变化和气象状况。将数据信息及时传送到高速公路信息中心基于地理信息系统gis模型，再通过bp神经网络模型分析路况实时气象数据（气温、湿度、风向、路面温度、能见度等）与道路车辆行驶状况（如交通量、速度、道路占有率等）之间的关系，模拟道路天气对道路车辆的影响。

基于甘肃高等级公路收费年收入的统计数据,结合其收入和交通量之间的粗略关系,运用bp神经网络预测高等级公路各收费站年收入,从而间接地对高等级公路交通流量进行预测,为提高高速公路的管理与服务水平,对提高高等级公路管理部门的信息感知能力和应急处置能力、提高路网运行效率、建设和谐高等级公路具有极其重要的意义。

引言高速公路交通量预测是高速公路建设项目可行性研究报告的一项重要内容,它是进行交通量现状评价、综合分析建设项目的必要性和可行性的基础,是确定高速公路建设项目的技术等级、工程规模、效益分析的主要依据。同时,其准确率直接关系高速公路投资回报率,甚至影响项目国民经济评价及财务评价。根据调查资料和工程项目的性质选用不同的预测方法,国内、外已提出的各种预测方法多达200种左右,但用于实际操作的较少,如头脑风暴法、专家预测法、

以宏观动态交通流模型为基础,分析了模型中各个参数之间的函数关系.给出了基于bp神经网络理论的高速公路交通流预测模型建立的方法,对高速公路进行建模.该模型可以通过对高速公路交通流信息的实时采集对参数进行动态的修正,达到交通流信息预测的准确性要求.

为了提高高速公路沉降预测的精度,提出了"双曲线+神经网络"的混合模型对高速公路沉降进行预测.基于某省某高速公路k57+580m断面2003—2013年的实测沉降数据,采用双曲线模型对施工期和通车期分别进行沉降预测.然后利用构建的混合模型重新对该断面进行施工期和通车期的沉降预测,分析比较2种模型的预测精度.为了验证2种模型的预测精度,选取该高速公路k156+100m断面实测数据进行计算.结果表明,混合模型在施工期和通车期的预测值的中误差分别达到1.13和7.30mm,预测精度相比双曲线模型在施工期和通车期分别提高了66.2%和41.8%.

工程项目前期造价的确定直接关系到整个项目的总体运作情况,因此准确的确定前期造价是非常重要的。目前工程中应用的投资估算编制方法不是很科学,采用bp神经网络方法改进投资估算的确定方法。结果表明,该方法可以有效的提高其编制精度,为科学的确定和有效的控制工程造价中全过程造价奠定了良好的工作基础。

准确的交通流预测是智能交通系统的关键技术,为此,本文以衡大高速为研究对象,提出基于ga-bp神经网络的衡大高速日交通流量预测方法。本文通过阈值方法对微波车检器数据进行预处理,根据ga-bp神经网络算法建立了交通流量预测模型,并通过计算机仿真验证对比预测结果和实际流量数据,其预测结果精度高,可满足日常交通管理需求,为交通管理提供了有效的技术支撑、本课题受到河北省交通运输厅科研课题(y-2014022)的支持。

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.

根据安全车速的概念与特征,提出综合运用客观数据与主观数据,进行bp神经网络安全车速预测的方法。首先确定影响安全车速的主要因素,然后通过客观分析与主观分析方法相结合的方式,获取相关因素影响下高速公路的典型安全车速,作为建立神经网络计算所需的样本与验证数据。模型的训练与验证过程表明,主客观数据相结合的神经网络方法能够较好地预测复杂因素影响下的高速公路安全车速。

软土地基的沉降控制是保证高速公路建设质量的一个关键技术。论文主要介绍了一个对高速公路路基沉降进行预测的神经网络模型。对神经网络的bp算法进行了改进,提高了bp算法的学习收敛速度和网络性能的稳定性。神经网络法预测路基沉降的难点之一是合适的训练样本构造问题,论文提出了新颖独特的"训练样本"构造方法,且应用效果良好。利用路基沉降量实测资料直接建模,采用bp网络计算的改进算法,可较为准确地预测大约4个月之后的沉降量,预测值与实测值吻合较好。

在现有双车道公路运行车速预测模型的基础上,利用matlab工具箱中的bp人工神经网络,根据实验路段的运行车速实测数据,通过反复训练,建立了双车道公路运行车速与平面线形要素之间的神经网络关系,得出一种基于神经网络的新的双车道公路运行车速预测模型,以用于新建双车道公路的线形设计中,在设计阶段考虑交通安全因素,从而提高线形设计的质量。同时,该模型可用于已有双车道公路的运行车速预测,根据预测车速值,对线形设计质量进行评价,并采取相应的改善及预防措施,提高双车道公路线形的安全性。在应用中发现,建立的运行车速预测模型的预测精度较高,具有一定的实际应用价值。

基于神经网络的高速公路软基沉降分析——简述了高速公路软基沉降观测的目的和意义。介绍了工后沉降的预测方法。其后，简述了bp神经网络的基本概念。论文提出了基于神经网络的高速公路工后沉降预报方法。结合江苏省某高速公路现场监测资料，进行了实例分析，说明...

bp神经网络具有自适应机制,通过训练和学习,达到对知识进行分类、模式判别、联想记忆等能力,岩土工程的灾害预测问题可以看作是一个模式识别问题,而岩土工程中变形情况的监测和预测模型的研究是矿山、建筑、水利等工程的一项重要课题,近年来安全监测技术发展有了巨大的飞跃,呈现出"实时"、"远程"、"非接触"的特点。针对bp神经网络预测模型监测在岩土工程方面的应用,应用bp人工神经网络实现了对岩土工程安全监测数据的预测预报,并对预测结果进行了分析,说明了隐含层数对预测结果误差的影响。通过比对,选择了误差最小的较优组合对岩土工程进行预测。

基于bp神经网络的岩土工程预测模型研究——bp神经网络具有自适应机制，通过训练和学习，达到对知识进行分类、模式判别、联想记忆等能力，岩土工程的灾害预测问题可以看作是一个模式识别问题，而岩土工程中变形情况的监测和预测模型的研究是矿山、建筑、水利等工...

基于灰色bp神经网络组合模型的基坑变形预测研究——为了使得基坑变形预测在“少样本”、“贫信息”的情况下依然能够得出精度较高的结果，在传统的灰色gm(1，1)模型和bp神经网络模型的基础上，进行了灰色bp神经网络组合模型的研究。通过总结2传统模型的原理和算...

根据bp神经网络原理,以建筑特征参数为输入变量,利用实际资料对网络进行训练和模拟,收集了16个住宅工程,其中的14个作为训练样本,2个作为检测实例。结果显示,该模型在建筑工程造价预测中具有有效性。

讨论如何利用人工神经网络进行电力系统短期负荷预测。研究结果表明:基于bp神经网络的短期电力负荷预测具有精度高的特点,符合预测结果的相对误差小于3.06%。

分析了传统的工程伪装评价方法的不足，较全面地考虑了影响工程伪装效能的因素，建立了客观的评价模型，设计了两级神经网络，初步提出了评价模型中各因素的指标级，构建了基于bp神经网络的工程伪装效能评估系统，该系统可以实现对工程伪装效能的客观评估。

以福建省公路旅客周转量和货物周转量的统计资料为基础,结合神经网络技术原理,应用bp神经网络方法建立3维输入、单输出、隐层单元数为15的3层神经网络模型,分别对福建省公路旅客周转量和货物周转量进行预测.结果表明,各月的旅客周转量和货物量预测值的最大相对误差的绝对值分别为0.4890%和0.4495%.该模型具有简便实用、预测精度高的优点.

文章对高速公路的工程特征进行全面的分析和筛选,确定了7个对公路工程造价影响较大的工程特征,使其作为神经网络预测模型的输入向量,随之构建了基于bp神经网络的高速公路工程造价预测模型,最后结合matlab神经网络工具箱对程序进行设计,并选取已完工程为实例.通过对模型的训练、修正以及实例验证,证明bp神经网络可以有效提高预测的精确度,具有较强的实用价值.

提出了根据实测数据构造神经网络变形预测模型的基本思路,构造出基于bp算法的神经网络变形预测模型,并给出应用实例分析。结果表明,神经网络应用于变形预测效果良好,具有一定参考价值和指导意义。

人工神经网络是在模仿人脑处理问题的过程中发展起来的新型智能信息处理理论,通过对人工神经网络及bp网络的基本原理与特征的分析,建立了工程估价预测模型.