学位论文 > 优秀研究生学位论文题录展示

基于改进神经网络的铁路货运量预测研究

作　者: 吴晓玲
导　师: 符卓
学　校: 中南大学
专　业: 交通运输规划与管理
关键词: 铁路货运量定性分析定量分析人工神经网络遗传算法
分类号: F224;U294.13
类　型: 硕士论文
年　份: 2009年
下　载: 229次
引　用: 3次
阅　读: 论文下载

内容摘要

铁路货运量反映了国民经济各个部门对铁路运输的需求,是安排铁路建设和运营的重要依据,也是处理好铁路内部各部门协调发展的前提。在市场经济条件下,对不断变化的铁路运输需求进行及时、灵敏、准确、科学地预测,显得尤为迫切与重要。但是铁路货运量是由众多内外在因素共同影响而成的,它与其影响因素之间有着比较复杂的非线性映射关系。而传统的预测方法大都是基于时间序列或者因果关系的,所建立的模型不能完全反映有关数据的内部结构与复杂性,不能充分利用信息量。因此寻求一套科学的铁路货运量预测方法尤为必要。本文首先阐述了铁路货运量预测问题的研究意义,分析了铁路货运量预测问题的研究现状,叙述了本文的主要内容。然后从定性及定量的角度分析了铁路货运量的现有预测方法,并在历年数据的基础上利用指数平滑法、线性回归法、灰色预测法及组合预测法作实证分析。接着从国民经济、产业结构、大宗货物产量、交通运输结构、国家政策、其他因素等诸方面定性分析了铁路货运量的影响因素,并在此基础上做定量分析,选出了铁路货运量的十种主要影响因素,为之后的神经网络算法做好前期准备工作。本文在人工神经网络及遗传算法理论的基础上,设计了一种改进的前向神经网络算法——遗传神经算法,并在MATLAB平台上编程实现了该算法。最后,分别比较遗传神经算法与原始神经网络算法,遗传神经算法与其他线性预测算法,分析各算法的优劣势。通过对该问题的研究,作者认为：铁路货运量与国内生产总值、第二产业比重、原煤产量、原油产量、钢材产量、粮食产量,基建投入,港口货物吞吐量,铁路份额,公路份额等因素具有较大的关系；本文所设计的遗传神经算法在算法运行收敛时间及解的质量精度上都比原始神经算法要有所改进提高,具有一定的可行性。

全文目录

摘要  4-5
ABSTRACT  5-9
第一章绪论  9-15
  1.1 选题研究的背景及意义  9-11
  1.2 国内外研究现状  11-12
  1.3 研究内容与框架  12-15
第二章铁路货运量预测概述  15-29
  2.1 预测概述  15
  2.2 铁路货运量预测方法  15-25
    2.2.1 铁路货运量定性预测方法  16-17
    2.2.2 铁路货运量定量预测方法  17-25
  2.3 铁路货运量定量预测模型实证分析  25-28
    2.3.1 指数平滑法预测实证分析  25-26
    2.3.2 灰色预测法实证分析  26
    2.3.3 线性回归预测法实证分析  26-27
    2.3.4 组合预测法实证分析  27
    2.3.5 各线性预测法误差分析  27-28
  2.4 小结  28-29
第三章铁路货运量影响因素及其关联度分析  29-36
  3.1 铁路货运量影响因素定性分析  29-31
    3.1.1 国民经济对铁路货运量影响  29
    3.1.2 产业结构变动对铁路货运量影响  29
    3.1.3 大宗货物产量变化对铁路货运量影响  29-30
    3.1.4 交通运输结构变动对铁路货运量影响  30
    3.1.5 对外贸易发展对铁路货运量影响  30
    3.1.6 国家政策对铁路货运量影响  30-31
    3.1.7 其他因素对铁路货运量的影响  31
  3.2 铁路货运量影响因素定量分析  31-35
    3.2.1 灰色关联度理论概述  31-33
    3.2.2 铁路货运量影响因素关联度计算  33-35
  3.3 小结  35-36
第四章改进前向神经网络预测铁路货运量算法研究  36-45
  4.1 人工神经网络理论概述  36-38
  4.2 前向神经网络理论概述及其局限性分析  38-41
    4.2.1 前向神经网络理论概述  38-40
    4.2.2 前向神经网络局限性分析  40-41
  4.3 遗传算法理论概述  41-43
  4.4 遗传神经网络算法模型设计  43-44
  4.5 小结  44-45
第五章改进神经网络预测铁路货运量算法实现  45-56
  5.1 MATLAB工具箱简介  45-46
    5.1.1 MATLAB神经网络工具箱简介  45-46
    5.1.2 MATLAB遗传算法工具箱简介  46
  5.2 前向神经网络预测铁路货运量算法设计及算例预测结果  46-49
    5.2.1 原始前向神经网络算法设计  47
    5.2.2 算例预测结果  47-49
  5.3 遗传神经算法设计及算例预测结果  49-53
    5.3.1 遗传神经算法设计  49-50
    5.3.2 算例预测结果  50-53
  5.4 各算法预测结果比较  53-55
    5.4.1 遗传神经算法与原始神经网络算法性能比较  53-54
    5.4.2 遗传神经算法与其他线性算法性能比较  54-55
  5.5 小结  55-56
第六章结论及展望  56-58
  6.1 本文的主要研究工作总结  56-57
  6.2 需要进一步研究的问题  57-58
参考文献  58-62
附录  62-67
致谢  67-68
攻读学位期间主要的研究成果  68

基于改进神经网络的铁路货运量预测研究

内容摘要

全文目录

相似论文