神经网络在公路运量中的预测.docVIP

神经网络在公路运量中的预测 问题的描述 公路运量主要包括公路客运量和公路货运量两个方面。据研究，某地区的公路运量主要与该地区的人数、机动车数量和公路面积，表1中给出了某地区20年的公路运量相关数据，人数和公路客运量的单位为万人，机动车数量的单位为万辆，公路面积的单位为万平方千米，公路货运量单位为万吨。 根据相关部门数据，该地区2010年和2011年的人数分别为73.39和75.55万人，机动车数量分别为3.9635和4.0975万辆，公路面积将分别为0.9880和1.0268万平方千米。我们将利用BP神经网络预测该地区2010年和2011年的公路客运量和公路货运量。 年份 人口数量 （万人） 机动车数量 （万辆） 公路面积 （万平方千米） 公路客运量 （万人） 公路货运量 （万吨） 1990 20.55 0.6 0.09 5126 1237 1991 22.44 0.75 0.11 6217 1379 1992 25.37 0.85 0.11 7730 1385 1993 27.13 0.90 0.14 9145 1399 1994 29.45 1.05 0.20 10460 1663 1995 30.1 1.35 0.23 11387 1714 1996 30.96 1.45 0.23 12353 1834 1997 34.06 1.60 0.32 15750 4322 1998 36.42 1.70 0.32 18304 8132 1999 38.09 1.85 0.34 19836 8936 2000 39.13 2.15 0.36 21024 11099 2001 39.99 2.20 0.36 19490 11203 2002 41.93 2.25 0.38 20433 10524 2003 44.59 2.35 0.49 22598 11115 2004 47.30 2.50 0.56 25107 13320 2005 52.89 2.60 0.59 33442 16762 2006 55.73 2.70 0.59 36836 18673 2007 56.76 2.85 0.67 40548 20724 2008 59.17 2.95 0.69 42927 20803 2009 60.63 3.10 0.79 43462 21804 具体程序如下： clc %yuanshishuju %renshu a=[20.55 22.44 25.37 27.13 29.45 30.10 30.96 34.06 35.42 38.09 39.13 39.99 41.93 44.59 47.30 52.89 55.73 56.76 59.17 60.63]; %jidongcheshu b=[0.6 0.75 0.85 0.9 1.05 1.35 1.45 1.6 1.7 1.85 2.15 2.2 2.25 2.35 2.5 2.6 2.7 2.85 2.95 3.1]; %gonglumianji c=[0.09 0.11 0.11 0.14 0.20 0.23 0.23 0.32 0.32 0.34 0.36 0.36 0.38 0.49 0.56 0.59 0.59 0.67 0.69 0.79]; %gonglukeyunliang d=[5126 6217 7730 9145 10460 11387 12353 15750 18304 19836 21024 19490 20433 22598 25107 33442 36836 40548 42927 43462]; %gongluhuoyunliang e=[1237 1379 1385 1399 1663 1714 1834 4322 8132 8936 11099 11203 10524 11115 13320 16762 18673 20724 20803 21804]; p=[a;b;c]; t=[d;e]; [pn,minp,maxp,tn,mint,maxt]=premnmx(p,t); dx=[-1,1;-1,1;-1,1]; net=newff(dx,[3,7,2],{tansig,tansig,purelin},traingdx); net.trainParam.show=1000; net.trainParam.Lr=0.05; net.trainParam.epochs=20000; net.trainParam.goal=0.65*10^(-3); net=train(net,pn,tn); an=sim(net,pn); a=postmnmx(an,mint,maxt); x=