基于BP网络算法的春运铁路客流预测.pdfVIP

基于BP 网络算法的春运铁路客流预测1 1 2 3 李巍岳 ，赵萍萍 ，郭嗣琮 1 辽宁工程技术大学测绘与地理科学学院，辽宁阜新（123000 ） 2 四川省社会科学院新闻研究所，四川成都（610041 ） 3 辽宁工程技术大学理学院，辽宁阜新（123000 ） E-mail：rsli326@126.com 摘 要：本文根据铁路春运期间现有的客流量数据，建立BP 网络模型进行预测分析，给出 模型的扰动因子的作用，提出建立巨型网络的思想 关键词：春运客流；BP 网络；扰动因子；巨型网络 中图分类号：TP393 1. 引言 春节期间，由于异地打工的民工返乡，学生放假，加上部分旅客外地探亲，铁路方面极 易形成客流高峰。2008 年初，罕见的南方大雪，造成了公路被积雪封锁，大批旅客涌入火 车站，全国铁路沿线大站，小站都经受了巨大的考验，突如其来的气象因素是令人始料未及 的。如果可以根据往年的旅客数据，建立模型对下一年的春运客流进行科学的判断，会起到 提前预警地作用。车站工作人员可以提前做好准备，合理调度，减少旅客滞留人数，使人员 伤害与财产损失降到最低。 本文运用了目前较为流行的BP （Error Back Propagation Network ）神经网络模型进行预 测，并提出了影响模型的扰动因子。 2. 人工神经网络的结构及其原理 人工神经网络（Artificial Neural Network ）简称ANN ，是在人脑神经网络认知的础上由 人工设计的为了进行某种应用的神经网络。它是一种理论化的数学模型，该系统可以对外部 输入的信息通过动态响应来处理信息。它不仅可以进行大规模的并行处理，研究非线性的事 物关系，还具有自适用的学习过程与模式识别。正是由于它的这些性质，使其能够可以出色 解决传统模式识别方法难以解决的问题。目前，BP 神经网络是 ANN 模型中应用最广泛的 模型。[1] BP （Error Back Propagation Network ）神经网络，它是在 1986 年由 Rumelhant 和 McClelland 提出的。其思想是使用梯度搜索理论，使网络输出部分与期望输出部分的均方差 达到最小。它包括正向传播与反向传播，当数据从网络的输入层传入，经过隐层处理传向输 出层，若输出的数据与期望数据不符时，则转向误差的反向处理阶段。反向处理主要完成的 工作是将输出层误差反向传播回去，并借以修正权值。下面是一个三层BP 网络模型的学习 算法（见图 1）。输入层具有n 个节点x ,x ……x ，隐层含有q 个节点，输出层含有m 个节 1 2 n 点。 1 本课题得到教育部博士点基金（编号：2005147002 ）和辽宁省高等学校重点实验室项目（编号） 的资助。 - 1 - 输入层 输出层 隐层 图1 三层BP 网络的学习算法 2.1 网络的正向传播 正向传播过程是输入信息从输入层通过隐层节点的处理经输出层输出的过程，每一个节 点都影响下一层的节点状态。BP 网络采用了一定阈值特性的连续可微函数的Sigmoid 函数 作为网络传播的激励函数。常用的是采用S 型函数为： 1