BP神經(jīng)網(wǎng)絡(luò)在城市軌道交通客流短時預(yù)測中的應(yīng)用研究.pdf

1、城市軌道交通以其大載客量、快捷、準(zhǔn)時、安全和環(huán)保而成為解決交通擁擠的最有效手段。對軌道交通客流的短時預(yù)測是交通客運(yùn)部門及時調(diào)整運(yùn)營計劃的基礎(chǔ)，同時也是評價軌道交通服務(wù)水平的重要依據(jù)。
　　本文在對BP神經(jīng)網(wǎng)絡(luò)的研究基礎(chǔ)上，建立了基于BP神經(jīng)網(wǎng)絡(luò)的軌道交通客流短時預(yù)測模型，并引入LM算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)，利用南京地鐵十號線雨山路站、文德路站、龍華路站和臨江路站等四個站點(diǎn)的進(jìn)站客流數(shù)據(jù)進(jìn)行仿真預(yù)測。結(jié)果證明:LM-BP神經(jīng)網(wǎng)絡(luò)相

2、比原BP神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果在平均絕對百分誤差(MAPE)和平均絕對偏差(MAD)兩個指標(biāo)上都明顯減小，預(yù)測精度有了大幅度提高。
　　為了克服LM-BP神經(jīng)網(wǎng)絡(luò)易于陷入局部極小值的缺陷，本文選用遺傳算法(GA)和粒子群算法(PSO)分別優(yōu)化LM-BP算法，在此基礎(chǔ)上分別建立了基于GA-LM-BP神經(jīng)網(wǎng)絡(luò)和PSO-LM-BP神經(jīng)網(wǎng)絡(luò)的軌道交通客流短時預(yù)測模型。遺傳算法能夠?qū)M-BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值以及閾值進(jìn)行優(yōu)化，得到較優(yōu)解之后再

3、代入原神經(jīng)網(wǎng)絡(luò)中求得最優(yōu)解;粒子群算法是將LM-BP的初始權(quán)值和閾值作為隨機(jī)初始化的粒子，其以迭代的方式不斷更新自身的速度和位置，最終找到最優(yōu)解和最優(yōu)位置，然后將得到的權(quán)值和閾值代入原神經(jīng)網(wǎng)絡(luò)中求得最優(yōu)解。同樣利用雨山路站、文德路站、龍華路站和臨江路站四個站點(diǎn)的進(jìn)站客流數(shù)據(jù)進(jìn)行仿真模擬，結(jié)果表明:經(jīng)遺傳算法和粒子群算法優(yōu)化后的LM-BP神經(jīng)網(wǎng)絡(luò)在MAPE和MAD兩個誤差指標(biāo)上相較原LM-BP法的預(yù)測結(jié)果均有所減小，預(yù)測精度得到了進(jìn)一步的