改进BP神经网络在铁路客运量时间序列预测中应用.pdfVIP

第2 6 卷 , 第2 期 　　　　 　　　　　中 国 铁 道 科 学 Vol26 No2 　 2 0 0 5 年 3 月 　　　　　　　　 　CHINA RAILWAY SCIENCE March , 2005 　 文章编号 :(2005) 改进的 BP 神经网络在铁路客运量 时间序列预测中的应用 王 　卓 , 王艳辉 , 贾利民, 李 　平 (铁道科学研究院 电子计算技术研究所 , 北京 　100081) 　　摘 　要 : 针对 目前铁路客运量预测方法的不足 , 采用改进的BP 神经网络对铁路客运量时间序列进行预测 。 分析改进的BP 神经网络原理 , 对 1980 年 —1998 年的铁路客运量进行归一化处理 , 建立铁路客运量时间序列神 经网络预测模型 , 设计网络参数 , 进行网络学习与训练的仿真试验 。对比分析改进的BP 神经网络与标准的BP 神经网络预测结果 , 证明改进的BP 神经网络预测结果更准确 , 精度更高 。 　　关键词 : 铁路客运量 ; 运量预测 ; 神经网络 ; 改进的BP ; 时间序列 　　中图分类号 : U29313 　　文献标识码 : A 　　铁路客运量预测是指对客运量的发展进行动态 联系建模 , 具有良好的自组织性 、自适应性 , 有很 分析 , 并在定性基础上进行定量计算 。正确预测铁 强的学习能力 、抗干扰能力[3 ] 。它能自动从历史数 路客运量 , 对国家的经济发展格局和资源配置 , 以 据中提取有关知识 , 可以克服传统定量预测方法的 及对铁路企业内部的投资结构 、经营管理等都有重 许多局限以及面临的困难 , 同时也能避免许多人为 要作用[ 1] 。但是铁路客运量受多个因素的影响 , 且 因素的影响 , 因而为铁路客运量时间序列的建模与 各因素的作用机制无法用精确的数学语言来描述 , 预测提供了新的方法 。在实际应用中 , 神经网络学 因此铁路客运量预测属于复杂的非线性系统问题 。 习速度慢 , 系统训练不稳定以及容易陷入局部极小 本文探讨用改进的BP 神经网络进行铁路客运 值影响了神经网络的预测结果 , 因此有待于做进一 量时间序列的预测 。在论述该方法基本原理的基础 步研究来改善其缺陷。 上 , 建立铁路客运量时间序列预测模型 。仿真结果 表明 , 该模型预测精度较高 , 收敛速度快 , 方法简 2 　改进的BP 神经网络原理 单易行 。 　　BP 神经网络的主要思想是 : 对于给定的学习 1 　铁路客运量时间序列预测方法 样本 , 使网络的输入等于样本的输入 , 然后用网络 的实际输出和学习样本输出之间的误差来修改权 　　铁路客运量是一组按时间顺序排列的数据序 值 , 使网络的输出与样本的输出尽可能接近 , 也就 列 , 即时间序列 。无论何种预测 , 一般都表现为运 是使网络输出层的误差平方和达到最小 。 量随时间序列的变动 。传统的预测方法有专家经验 如图 1 所示 , BP 神经网络 由输入层 、隐含层 预测法 、算术平均法 、线性回归法 、指数平滑法[2 ] 和输出层组成 。隐含层可 以是一层 , 也可 以是多 等 。应用传统的预测方法可以预测一段时间内客运 层 , 前层至后层节点通过权值