基于熵值法的PSOBP神经网络私家车保有量的预测.docVIP

基于熵值法的PSOBP神经网络私家车保有量的预测 　　摘要：为解决现有的BP神经网络对私家车保有量的预测中存在的对初始权值和阈值敏感、易陷入局部极小点和收敛速度慢等问题，针对粒子群算法具有全局搜索寻优的特点，该文提出了基于熵值法的采用粒子群算法优化的BP神经网络的模型。我们用新建立的模型进行私家车保有量的预测，并将其结果与传统BP算法以及模拟退火法进行比较，结果表明新的模型有效的防止了网络陷入局部极小值的可能，明显提高了神经网络模型预测的速度和准确性。 　　关键词：粒子群；神经网络；私家车保有量；权值和阈值 　　中图分类号：TP183文献标识码：A文章编号：1009-3044(2011)19-4676-03 　　Total Number of Private Cars Prediction Based on Entropy-based PSOBP Neural Network 　　YANG Hua, ZHOU Rui 　　(School of Computer Science and Technology, China University of Mining and Technology, Xuzhou 221116, China) 　　Abstract: In order to solve the existing problems such as the initial weights and threshold-sensitive, easily falling into local minima and slow convergence in the total number prediction of private cars by using BP neural network, this paper proposes the use of entropy-based particle swarm optimization algorithm BP neural network model. And we will use the model to predict the amount of private cars study and compare its results with the traditional BP algorithm and simulated annealing method. The results show that the new model is effective to prevent the network may fall into local minima and significantly improve the speed and accuracy of neural network model. 　　Key words: particle swarm; neural network; private car ownership; weights and threshold value; entropy; simulated annealing 　　据统计，截止到2008年底，我国的私家车量约为3501万辆，占全国汽车保有量的60%以上。私家车数量的增多给我国带来了环境污染和能源短缺等多种问题，私家车保有量的预测已经成为当下研究的一个重要问题。影响私家车保有量主要因素有：人均国内生产总值，全社会消费品零售总额，全社会固定资产投资总额， 运营公交车辆数，公交营运总数，公交车营运总里程，道路总长，居民人均可支配收入，居民储蓄款余额，汽油(93号)年均价等。不难看出，影响私家车保有量的因素较多，而且各影响因素随年份的变化而变化，各因素与私家车保有量之间存在非线性关系。因此，该文以1996年到2008年的私家车保有量数据的基础上，将利用基于熵值法的PSOBP神经网络算法对私家车保有量进行预测，仿真结果证明该模型具有较好的效果。 　　1 背景概述 　　当下，常用的预测的方法有[1]：时间序列法、相关分析法、回归分析法、专家系统预测法等。相对传统的预测方法，人工神经网络[2]因其具有大规模分布式处理、非线性、自组织、自学习、联想记忆等优良特性，是目前进行预测的较为先进的手段。但是,单纯的神经网络有许多缺陷,如训练速度慢、易陷入局部极小点等。 　　粒子群优化算法(Particle Swarm Optimization，PSO)最早于1995 年由Kenney与 Eberhart[3]提出，该算法源于对鸟群捕食的模拟逐渐演化而来的随机化搜索方法。该算法利用种群中的个体对信息的共享，自适应地调整搜索方向，具有局寻优能力，且流程简单实现、无需复杂的调整。针对BP