根据matlabbp神经网络人群流量预测实现.pdfVIP

论文题目 MATLAB 基础上的 BP 神经网络人群流量预测 学生姓名 学 号 专 业 MATLAB 基础上的 BP 神经网络人群流量预测 摘要：通过对旅游景点、商业网点等人口密集场所的人群流量进行预测，对于合理控制旅游 景点、商业网点等场所的人口数量，预防人群踩踏事故的发生具有非常重要的意义.本文首 先介绍了人群流量的 BP 神经网络预测方法，并建立了四个 BP 神经网络模型，并结合模型 编写了相应的 MATLAB 运算程序，随后用所建立的网络模型对德州市某路口单向的人群流量 进行了预测，最后还分析了不同输入、输出结构、隐含层神经元的个数、以及不同传递函 数等因素对 BP 神经网络性能的影响. 关键词：人群流量；BP 神经网络；MATLAB 1 BP 神经网络基本原理 BP 神经网络是一种常见的神经反馈网络，它是一种具有三层或者三层以上神 经元的神经网络，其基本的结构包括输入层、隐含层以及输出层.当一个学习样 本提供给输入神经元后，该神经元的激活值一般从输入层经过隐含层向输出层进 行传播，在输出层的各个神经元获得网络的输入响应后，然后按照减少实际输出 样本与网络输出之间误差的方向，从 BP 神经网络的输出层方向经过各隐含层最 后回到输入层，进而达到逐步修正各连接权值的目的，这种算法就是 BP 算法.这 也就是说 BP 神经网络是通过反向的误差传播，在传播过程中不断修正其权值和 阀值，进而使误差达到或者接近其理想水平的一种神经网络.BP 神经网络从本质 上来说是高精度的数值拟合的一种神经网络方法，它的基本原理就是把激励函数 串联起来，通过改变各个激励函数的系数，从而达到减小误差的目的. BP 神经网络因为其预测的精度高，网络训练效果好，自适应性强，稳定性好 等特点而得到了越来越广泛的使用.BP 神经网络作为一种较智能型的网络预测 模型，在数学建模以及实际问题的解决中发挥着越来越重要的作用. 图一为常见的带一个隐含层的BP 神经网络的一般结构，图二为一个基本的 BP 神经元模型. 输入数据 输入层 隐含层 输出层 输出数据 1 图 1 含一个隐含层的 BP 神经网络 P P a  f p p 图 2 基本的神经元模型 2 BP 网络求解过程 利用 BP 神经网络进行的求解过程可以按照以下六个步骤来进行（1）输入 原始数据（2）将原始数据归一化处理（3）进行网络训练（4）对原始数据进 仿真（5）将仿真后得到的新数据与已知数据进行比较（6）对得到的新数据再 进行仿真. 3 数据处理与数据拟合 对原始数据进行预处理的方法主要有下面几个：（1）对原始数据归一化处 理：此方法是将原始数据都变为-1-1 之间的数，尽量消除原始数据在收集过程 中所带来的一系列对实验结果可能造成的影响，归一化处理所用到的函数主要 有mapminmax、postmnmx、tramnmx等函数.当然，也可以利用公式xk  xk  xmin xmax  xmin 进 MATLAB 编程实现原始数据的归一化. 2 （2）标准化处理：这一方法的目的是将收集到的原始数据都化为均值为0，方 差为 1 的一组新的数据，标准化处理所用到的函数主要有pres