基于混合智能算法的鐵路運量預測研究.pdf

1、近年來隨著我國經(jīng)濟持續(xù)快速增長,鐵路事業(yè)得到了跨越式發(fā)展,在建的鐵路項目很多,還有很多的項目即將陸續(xù)開工。運量預測是鐵路建設(shè)項目前期工作的核心內(nèi)容之一,運量預測的水平和質(zhì)量將直接影響到項目決策的科學性,而運量預測水平和質(zhì)量在很大程度上取決于采用的預測方法。因此分析鐵路運量的預測方法,研究如何提高預測的準確性和科學性是十分必要的。
　　 本文旨在將人工神經(jīng)網(wǎng)絡(luò)、改進粒子群優(yōu)化算法組合的混合智能算法引入鐵路運量預測領(lǐng)域中,并以預測精

2、度為目標,研究上述人工智能算法在鐵路運量預測中的應用。論文的主要內(nèi)容如下:
　　 論文首先分析了鐵路運量預測的重要性,總結(jié)了目前鐵路運量預測的常用方法,并分析了各種方法的使用范圍和優(yōu)缺點。在此基礎(chǔ)上提出分別以BP神經(jīng)網(wǎng)絡(luò)、灰色神經(jīng)網(wǎng)絡(luò)與改進的粒子群優(yōu)化算法融合的兩種混合智能算法進行鐵路運量預測的思想。
　　 其次分別敘述了BP神經(jīng)網(wǎng)絡(luò)、灰色神經(jīng)網(wǎng)絡(luò)(GNN)的結(jié)構(gòu)及其學習算法過程。
　　 接著研究了標準粒子群優(yōu)化

3、算法(PSO),在此基礎(chǔ)上提出一種基于非線性權(quán)重變化的改進粒子群優(yōu)化算法(IPSO),以四個標準測試函數(shù)驗證了其有效性。
　　 然后通過采用IPSO算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)連接權(quán)值,建立基于IPSO-BP神經(jīng)網(wǎng)絡(luò)的鐵路運量預測模型,并以某階段全國鐵路客運量和貨運量實際情況為研究背景進行了仿真研究與對比分析,仿真研究結(jié)果驗證了此方法是有效可行的。
　　 另外進一步研究了鐵路運量在信息不足條件下使用GNN建立預測模型的方法。在此