| 标题 | 基于LM—BP算法的轨道交通客流短时预测 |
| 范文 | 王立政 摘要：BP神经网络是当前比较常用的人工神经网络，针对BP神经网络存在易陷入局部极小值、收敛速度慢等缺陷，将LM算法引入到BP神经网络中，以改进 BP神经网络在预测时的训练过程，并利用轨道交通客流的时间序列对其有效性进行验证，结果证明该方法对轨道交通客流的短时预测有着更高的准确度和精度。 Abstract： BP neural network algorithm is the currently common artificial neural network. Referring to the shortcomings existing in BP neural network， such as： local minimum， low convergence rate， this paper introduces LM algorithm to improve BP neural network algorithm， then trains the BP neural network prediction model and applies this method to the time sequence of urban rail transit passenger flow to perform validation. The result shows that the method has a higher accuracy and precision to the short-term prediction of urban rail transit passenger flow. 关键词：轨道交通客流；短时预测；BP神经网络；LM算法 Key words： urban rail transit passenger flow；short-term prediction；BP neural network；LM algorithm 中图分类号：U293.5 文献标识码：A 文章编号：1006-4311（2018）03-0154-03 0 引言 近年来，许多学者对于城市交通客流的非线性特征进行了研究，提出了多种非线性预测模型，如BP神经网络模型、混沌状态特征模型和支持向量机模型等[1]。但是BP神经网络有两个明显的缺陷，一是容易陷入局部极小值，二是收敛的速度慢。本文提出利用LM算法对BP神经网络算法进行改进，并应用于轨道交通客流的短时预测。 1 基于LM最优化方法的BP神经网络LM-BP 1.1 LM-BP算法 在最优化理论中，Levenberg-Marquardt算法是一种优秀的优化设计方法，它结合了神经网络里梯度下降法和高斯-牛顿法的优点，是牛顿法和梯度下降法相结合的一种算法[2]。 神经网络的目标是通过输入样本对来对神经网络的权值m进行调节，从而使误差函数E到达最小值[3]。在样本中，mij是第一层第i个神经元输入到第j个神经元的权值，则相应的权值矩阵为 1.2 LM-BP神经网络算法的实施步骤 2 仿真研究 本文以南京地铁10号线雨山路站、文德路站、龙华路站、临江路站等四个站点的进站客流数据为研究对象，时间跨度为2015年7月29日到2015年8月30日，数据的时间间隔为15min，将样本最后一周的数据作为验证集，建立预测模型，并利用matlab工具实现基于LM-BP神经网络的轨道交通客流的短时预测[5]。图1～图4为预测结果。图中实线部分代表客流量实际值，虚线部分代表客流量预测值。 3 结果比较 LM-BP神经网络预测法和BP神经网络预测法的MAPE值对比如图5所示，从图中可以看出，各站点LM-BP法预测值的MAPE均较BP法有所减小，四个站点的MAPE分别减小23.41%、11.04%、5.38%和1.82%。 LM-BP神经网络预测法和BP神经网络预测法的MAD值对比如图6所示，图中可以看出，各站點LM-BP法预测值的MAD均较BP法有所减小，四个站点MAD分别减小131.45、45.33、52.32和9.29。 从两种方法的MAPE和MAD分析结果看，LM-BP神经网络预测法相较于BP神经网络预测法具有更高的精度。 4 结语 针对BP神经网络收敛速度慢以及容易陷入局部极小值的缺陷，本文提出了一种基于LM算法的优化BP神经网络时间序列预测方法，将其应用于轨道交通客流的短时预测，结果表明：相对于BP神经网络，LM-BP神经网络对于轨道交通客流的短时预测具有更高的预测精度。 参考文献： [1]贺国光，李宇，马寿峰.基于数学模型的短时交通流预测方法探讨[J].系统工程理论与实践，2000，20（12）：51-56. [2]王琛.基于Levenberg-Marquardt算法的用户鉴别[J].山西师范大学学报（自然科学版），2005，19（2）：17-20. [3]王祖麟，王丽霞.一种前馈神经网络算法[J].科技广场，2004（8）：51-53. [4]李炯城，黄汉雄.一种新的快速BP神经网络算法LM-BP[J].华南理工大学（自然科学版），2006，34（6）：49-54. [5]周开利，康耀红.神经网络模型及其MATLAB仿真程序设计[M].北京：清华大学出版社，2011. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。