基于遺傳算法優(yōu)化灰色神經網絡的浙江省公路客運量預測模型.pdf

1、我的家鄉(xiāng)位于美麗的浙江省，擁堵的交通總是讓人無可奈何，而準確的公路客運量預測是進行公路交通規(guī)劃與管理的主要依據(jù)之一，所以我決定要通過我所學的專業(yè)知識，為家鄉(xiāng)的交通做些貢獻。本文通過對浙江省近十多年的客運量進行分析研究，找出其特征，并且建立一個相對誤差較小的預測模型。
　　 本文首先分析了公路客運量在總客運量中所處的地位，并歸納了浙江省近十多年來各個市公路客運量的變化趨勢，及占總客運量比重的變化情況。由總體到局部對浙江省客運量進行

2、了簡單得分析研究。其次從定性分析和定量計算兩方面研究了浙江省客運量的影響因素，分別為居民總消費水平、公路里程數(shù)、人口、國內生產總值GDP、旅游總人數(shù)、工業(yè)產值、第三產業(yè)產值，第一產業(yè)產值這八個變量。再次根據(jù)2000-2010年這11年八個影響因素和公路客運量數(shù)據(jù)建立四個預測模型，并進行比較分析選出最優(yōu)，誤差最小的模型。第一個模型為多維灰模型GM(1，8)，在對所有的數(shù)據(jù)初始化的基礎上進行一次累加生成，使其形成具有指數(shù)增長規(guī)律的數(shù)據(jù)，并建

3、立起具有微分形式的模型，根據(jù)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)并得到此模型的預測相對誤差為2.24％，精度為一級。第二個模型是結構為8-5-1的BP神經網

4、絡預測模型，通過網絡預測誤差e不斷地更新網絡連接權值，得到預測結果的相對誤差為4.96％。第三個模型為灰色神經網絡預測模型，原始數(shù)列為xi(0)(i=0，1，2，…，N-1)經過一次累加生成之后得到數(shù)列xi(1)呈現(xiàn)指數(shù)增長的規(guī)律，可以用一個微分方程進行數(shù)據(jù)擬合和預測，設為dy1/dt+ay1=b1y2+b2y3+…+bn-1yn將其變換并映射到一個擴展的BP神經網絡就成為一個灰色神經網絡，通過不斷地更新網絡權值減少誤差，最終得到如下:

5、y=(1-e-2.6831t)(0.0931x1+0.0284x2+0.0664x3+0.3761x4+0.2157x5+0.3831x6+0.0282x7+0.0015x8)此模型相對誤差為2.2％。由于在這個模型中，a，b1，b2，…，b8是隨機初始化的，為了挺高精確度，建立了第四個模型。第四個模型為遺傳算法優(yōu)化灰色神經網絡模型。通過遺傳中的選擇、交叉和變異對a，b1，b2，…，b8進行篩選，并找出最優(yōu)值，即:a=0.416,b1=

6、0.381,b2=0.524, b3=0.285,b4=0.652b5=0.631,b6=0.493,b7=0.477,b8=0.609。
　　 根據(jù)最優(yōu)的a，b1，b2，…，b8建立灰色神經網絡模型，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)
　　 根據(jù)浙江省2000-2010