專題講座資料（2021-2022年）公路運(yùn)量預(yù)測(cè)模板

1、基于預(yù)測(cè)公路運(yùn)量的模型求解摘要科學(xué)準(zhǔn)確地預(yù)測(cè)公路貨運(yùn)量是制定公路網(wǎng)規(guī)劃的基礎(chǔ)。公路貨運(yùn)量的預(yù)測(cè)方法有很多，可以根據(jù)不同的情況選擇不同的預(yù)測(cè)模型。首先運(yùn)用MATLAB的 BP神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型，靈活利用神經(jīng)網(wǎng)絡(luò)通過自適應(yīng)自學(xué)習(xí)能夠擬合任意非線性函數(shù)的功能，有效克服傳統(tǒng)的組合預(yù)測(cè)方法，在實(shí)際應(yīng)用中把數(shù)據(jù)間的關(guān)系強(qiáng)加給某一類函數(shù)的不足，并借助于數(shù)學(xué)計(jì)算軟件進(jìn)行編程，大大降低模型的計(jì)算難度，預(yù)測(cè)出2010年和2011年的公路客運(yùn)量和公路貨運(yùn)量。實(shí)例證明該方法具有很高的預(yù)測(cè)精度。本次基于預(yù)測(cè)公路運(yùn)量的問題，根據(jù)往年20年的數(shù)據(jù)，主要從人口數(shù)量、機(jī)動(dòng)車數(shù)量、公路面積這幾個(gè)方面考慮，先借助于matlab軟

2、件，從神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型入手，預(yù)測(cè)出2010年和2011年的公路客運(yùn)量和公路貨運(yùn)量。然后根據(jù)回歸的知識(shí)，運(yùn)用excel的強(qiáng)大功能預(yù)測(cè)出的2010年和2011年的公路客運(yùn)量和公路貨運(yùn)量。最后兩者進(jìn)行對(duì)比，列出各自的優(yōu)缺點(diǎn)。預(yù)測(cè)結(jié)果如下：用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果：2010年和2011年的公路客運(yùn)量分別為 43370萬(wàn)人和43372萬(wàn)人；貨運(yùn)量分別為21770萬(wàn)噸和21771萬(wàn)噸。用線性回歸預(yù)測(cè)結(jié)果：2010年和2011年的公路客運(yùn)量分別為 51011.91603萬(wàn)人和53092.16135萬(wàn)人；貨運(yùn)量分別為26050.09655萬(wàn)噸和28545.83948萬(wàn)噸萬(wàn)噸。關(guān)鍵詞：MATLAB；組合預(yù)測(cè)；

3、BP神經(jīng)網(wǎng)絡(luò)；excel統(tǒng)計(jì)分析1、 問題重述1.1基本情況 公路運(yùn)量主要包括公路的客運(yùn)量和公路貨運(yùn)量?jī)蓚€(gè)方面。據(jù)研究，某地區(qū)的公路運(yùn)量主要與該地區(qū)的人數(shù)、機(jī)動(dòng)車數(shù)量和公路面積有關(guān)，表1給出了20年得公路運(yùn)量相關(guān)數(shù)據(jù)，表中人數(shù)和公路客運(yùn)量的單位為萬(wàn)人，機(jī)動(dòng)車數(shù)量單位為萬(wàn)兩，公路面積的單位為萬(wàn)平方千米，公路貨運(yùn)量單位為萬(wàn)噸。根據(jù)有關(guān)部門數(shù)據(jù)，該地區(qū)2010年和2011年的人數(shù)分別為73.39和75.55萬(wàn)人，機(jī)動(dòng)車數(shù)量分別為3.9635和4.0975萬(wàn)輛，公路面積將分別為0.9880和1.0268萬(wàn)平方米。1.2、相關(guān)信息（見附件）附件1： 某地區(qū)20年公路運(yùn)量數(shù)據(jù)1.3、需要解決的問題1.請(qǐng)利

4、用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)該地區(qū)2010年2011年得公路客運(yùn)量和公路貨運(yùn)量。2.請(qǐng)利用其他方法預(yù)測(cè)該地區(qū)2010年2011年得公路客運(yùn)量和公路貨運(yùn)量。3.比較兩種方法的優(yōu)缺點(diǎn)。2、 符號(hào)約定Wi (i=1,2,3,4) 依次表示由人口數(shù)量，機(jī)動(dòng)車數(shù)量，公路面積，年份預(yù)測(cè) 出的公路客運(yùn)量。Zi （i=1,2,3,4）依次表示由人口數(shù)量，機(jī)動(dòng)車數(shù)量，公路面積，年份預(yù) 測(cè)出的公路客運(yùn)量。ai （i=1,2,3,4）依次表示人口數(shù)量，機(jī)動(dòng)車數(shù)量，公路面積，2010年Bi （i=1,2,3,4）依次表示人口數(shù)量，機(jī)動(dòng)車數(shù)量，公路面積，2011年3、 問題分析運(yùn)輸需求預(yù)測(cè)是公路網(wǎng)規(guī)劃、區(qū)域發(fā)展規(guī)劃、基礎(chǔ)建設(shè)投資

5、決策及運(yùn)輸生產(chǎn)組織管理的基礎(chǔ)，對(duì)交通運(yùn)輸需求的預(yù)測(cè)分析具有重大的社會(huì)意義和經(jīng)濟(jì)意義?？梢姡坟涍\(yùn)量的預(yù)測(cè)舉足輕重，可靠的預(yù)測(cè)結(jié)果是進(jìn)行規(guī)劃的前提，決定著整個(gè)規(guī)劃的成功。公路貨運(yùn)量的預(yù)測(cè)方法有很多，由于不同的預(yù)測(cè)模型的預(yù)測(cè)機(jī)理不同，往往能提供不同的有用信息，反而單獨(dú)采用某一種模型往往有其局限性，因此可以根據(jù)不同的情況選擇不同的預(yù)測(cè)模型。本文將運(yùn)用BP神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型、excel中的線性回歸解決公路貨運(yùn)量的預(yù)測(cè)。并進(jìn)行比較兩種方法的優(yōu)勢(shì)與缺陷。4、 基本假設(shè)1) 公路運(yùn)量主要與人數(shù)、機(jī)動(dòng)車數(shù)量、公路面積相關(guān)；2) 公路運(yùn)量次要與年份掛鉤；3) 公路運(yùn)量不受道路破壞及其他不可抗力的影響；4)

6、公路運(yùn)量不受其他公路的影響；5) 公路運(yùn)量不受車禍等人為因素影響。5、 模型的建立與求解5.1、BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)公路貨運(yùn)量。5.1.1、BP神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型背景介紹BP神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型是一種組合預(yù)測(cè)模型，組合預(yù)測(cè)一般是指將兩種或者兩種以上的預(yù)測(cè)方法所得到的預(yù)測(cè)結(jié)果選取適當(dāng)?shù)臋?quán)重進(jìn)行加權(quán)平均的預(yù)測(cè)方法。交通運(yùn)輸是國(guó)家重要的基礎(chǔ)產(chǎn)業(yè),對(duì)國(guó)民經(jīng)濟(jì)的發(fā)展有著舉足輕重的作用,同時(shí)對(duì)區(qū)域產(chǎn)業(yè)經(jīng)濟(jì)結(jié)構(gòu)的發(fā)展也有直接的影響.公路運(yùn)輸系統(tǒng)作為交通運(yùn)輸系統(tǒng)的一個(gè)子系統(tǒng),在交通運(yùn)輸系統(tǒng)中的主導(dǎo)作用也日益凸顯.近年來(lái),我國(guó)交通基礎(chǔ)設(shè)施和運(yùn)輸裝備不斷改善,為公路運(yùn)輸市場(chǎng)的快速發(fā)展創(chuàng)造了有利條件.在公路運(yùn)輸生產(chǎn)中

7、,公路運(yùn)輸量是反映交通運(yùn)輸業(yè)生產(chǎn)成果的重要指標(biāo)。隨著計(jì)算機(jī)技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)的日趨成熟,許多學(xué)者應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)貨運(yùn)量進(jìn)行預(yù)測(cè);一些學(xué)者應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)和其它預(yù)測(cè)方法(如灰色理論、二元回歸模型、彈性系數(shù)法等)建立的公路貨運(yùn)量組合預(yù)測(cè)模型具有較高的預(yù)測(cè)精度.研究表明,目前基于BP神經(jīng)網(wǎng)絡(luò)的公路運(yùn)輸量預(yù)測(cè)研究中,以對(duì)公路運(yùn)輸運(yùn)量(客貨運(yùn)量)的預(yù)測(cè),尤其對(duì)貨運(yùn)量的預(yù)測(cè)居多.反映公路產(chǎn)量的指標(biāo)還有客貨周轉(zhuǎn)量,它更能綜合反映公路運(yùn)輸部門為社會(huì)提供運(yùn)輸服務(wù)的能力,對(duì)公路網(wǎng)規(guī)劃、建設(shè)和管理更具有指導(dǎo)意義.本文應(yīng)用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法,建立福建省公路旅客周轉(zhuǎn)量和貨物周轉(zhuǎn)量的預(yù)測(cè)模型,并對(duì)其進(jìn)行科學(xué)預(yù)測(cè).5.

8、1.2 MATLAB應(yīng)用于BP神經(jīng)網(wǎng)絡(luò)的貨運(yùn)量組合預(yù)測(cè)模型MATLAB(MArrrix LABoratory)提供的神經(jīng)網(wǎng)絡(luò)T具箱(NNToo1)是其開發(fā)的多種T具箱之一，該工具箱提供了很多簡(jiǎn)單實(shí)用的函數(shù)，可以大大簡(jiǎn)化編程的丁作量MATLAB應(yīng)用于BP神經(jīng)網(wǎng)絡(luò)進(jìn)行貨運(yùn)量組合預(yù)測(cè)計(jì)算，其主要計(jì)算步驟如下。1.數(shù)據(jù)預(yù)處理由于神經(jīng)元的響應(yīng)函數(shù)為Sigmoid函數(shù)， 因此輸入值(輸出值)都在(0，1)之間，必須對(duì)樣本進(jìn)行預(yù)處理。具體可以采用下式對(duì)單項(xiàng)預(yù)測(cè)值進(jìn)行預(yù)處理： （4）輸 值的處理為： （5）據(jù)式（5）進(jìn)行處理之后，即可得到預(yù)測(cè)值。2.確定網(wǎng)絡(luò)結(jié)構(gòu)，初始化權(quán)重確定網(wǎng)絡(luò)結(jié)構(gòu)主要是確定隱層的神經(jīng)元個(gè)

9、數(shù)。隱層神經(jīng)元個(gè)數(shù)太多會(huì)降低網(wǎng)絡(luò)的泛化功能而且會(huì)使訓(xùn)練時(shí)間加長(zhǎng)，降低系統(tǒng)的效率：太少則不能達(dá)到所要求的訓(xùn)練誤差。一般根據(jù)試算確定，也可以參考以下公式：，其中f為隱層神經(jīng)元個(gè)數(shù)，n、m分別為輸入神經(jīng)元個(gè)數(shù)和輸出神經(jīng)元個(gè)數(shù)。初始化網(wǎng)絡(luò)的權(quán)值和閾值可以采用MATLAB提供的初始化函數(shù)newff()建立一個(gè)BP神經(jīng)網(wǎng)絡(luò)：BTF，BLF，PF、式中，P為輸入矩陣；【S1，S2， ，Sn】 表示隱含層和輸出層神經(jīng)元的個(gè)數(shù)；TF1， ， ，TN1表示網(wǎng)絡(luò)隱含層和輸出層的傳輸函數(shù)： 1表示網(wǎng)絡(luò)的反向訓(xùn)練函數(shù)：BLF表示網(wǎng)絡(luò)的反向權(quán)值學(xué)習(xí)函數(shù)； 1表示性能數(shù)；net為新生成的BT神經(jīng)網(wǎng)絡(luò)。3.網(wǎng)絡(luò)訓(xùn)練MATLA

10、B提供了許多訓(xùn)練不同神經(jīng)網(wǎng)絡(luò)的函數(shù)，使得對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練變得異常簡(jiǎn)單，其中，由動(dòng)量的梯度下降法中附以自適應(yīng)，r的訓(xùn)練函數(shù)為traingdx 函數(shù)的結(jié)構(gòu)為：其中，net，P S1，S2， ，5 ， l，TF2， ，TNI的意義同上。當(dāng)網(wǎng)絡(luò)的訓(xùn)練達(dá)到了最大訓(xùn)練次數(shù)，或者是網(wǎng)絡(luò)的誤差平方和小于期望最小誤差值時(shí)，網(wǎng)絡(luò)就會(huì)停止訓(xùn)練。4.對(duì)訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行檢驗(yàn)， 判斷是否具有良好的泛化功能把樣本輸入訓(xùn)練好的網(wǎng)絡(luò)中，判斷輸出值是否與已知的樣本值相符，如果相符，即說明該網(wǎng)絡(luò)具有很好的泛化功能，能夠應(yīng)用于預(yù)測(cè)計(jì)算；否則，就要調(diào)整網(wǎng)絡(luò)或者增大訓(xùn)練的樣本數(shù)，對(duì)網(wǎng)絡(luò)進(jìn)行再次訓(xùn)練。該過程可以采用MATLAB中的函數(shù)si

11、m()來(lái)實(shí)現(xiàn)。sire的表達(dá)式為：A=sire(net，P)，其中，4為輸出數(shù)據(jù)，P為輸入樣本數(shù)據(jù)，其他參數(shù)意義同前。該過程還可以用傳遞函數(shù)分步實(shí)現(xiàn)。5.用訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行模擬預(yù)測(cè)， 得到所要的預(yù)測(cè)值通過預(yù)測(cè)的過程和所采用的函數(shù)進(jìn)行模擬， 輸入數(shù)據(jù)P為要預(yù)測(cè)的輸人數(shù)據(jù)，輸出數(shù)據(jù)A就是所要得到的預(yù)測(cè)數(shù)據(jù)。從而通過訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行模擬預(yù)測(cè)，得到所要的預(yù)測(cè)值。5.1.3、運(yùn)用BP網(wǎng)絡(luò)建模 應(yīng)用公路貨運(yùn)量預(yù)測(cè) 根據(jù)題意得知某地區(qū)1990年到2009年的人口機(jī)動(dòng)車數(shù)量，公路面積以及公路客運(yùn)量和貨運(yùn)量的數(shù)據(jù)如下，需要預(yù)測(cè)2010年和2011年該地區(qū)的公路客運(yùn)量和貨運(yùn)量。 我們

12、可以把該問題分解為六個(gè)模塊：     運(yùn)用MATLAB軟件編程建立模型來(lái)解決問題，代碼如下：1.原始數(shù)據(jù)的輸入；clcclearsqrts=20.55 22.44 25.37 27.13 29.45 30.1 30.96 34.06 36.42 38.09 39.13 39.99 41.93 44.59 47.3 52.89 55.73 56.76 59.17 60.63;sqjdcs=0.6 0.75 0.85 0.9 1.05 1.35 1.45 1.6 1.7 1.85 2.15 2.2 2.25 2.35 2.5 2.6 2.7 2.8

13、5 2.95 3.1;sqglmj=0.09 0.11 0.11 0.14 0.2 0.23 0.23 0.32 0.32 0.34 0.36 0.36 0.38 0.49 0.56 0.59 0.59 0.67 0.69 0.79;glkyl=5126 6217 7730 9145 10460 11387 12353 15750 18304 19836 21024 19490 20433 22598 25107 33442 36836 40548 42927 43462;glhyl=1237 1379 1385 1399 1663 1714 1834 4322 8132 8936 11099

14、 11203 10524 11115 13320 16762 18673 20724 20803 21804;2.數(shù)據(jù)歸一化；p=sqrts;sqjdcs;sqglmj;t=glkyl;glhyl;pn,minp,maxp,tn,mint,maxt=premnmx(p,t);dx=-1 1;-1 1;-1 1;3.網(wǎng)絡(luò)訓(xùn)練； net=newff(dx,3,2,'tansig','tansig','purelin','traingdx');net.trainParam.show=1000;net.trainParam.Lr

15、=0.05;net.trainParam.goal=0.65*10(-3);net.trainParam.epochs=50000;net=train(net,pn,tn);4.對(duì)原始數(shù)據(jù)進(jìn)行仿真； an=sim(net,pn);a=postmnmx(an,mint,maxt);5.將原始數(shù)據(jù)仿真結(jié)果與樣本進(jìn)行對(duì)比；x=1990:2009;newk=a(1,:);newh=a(2,:);figure(2);subplot(2,1,1);plot(x,newk,'r-o',x,glkyl,'b-+');legend('網(wǎng)絡(luò)輸出客運(yùn)量',&

16、#39;實(shí)際客運(yùn)量');xlabel('年份');ylabel('客運(yùn)量/萬(wàn)人');title('運(yùn)用工具箱客運(yùn)量學(xué)習(xí)和測(cè)試對(duì)比圖');subplot(2,1,2);plot(x,newh,'r-o',x,glhyl,'b-+');legend('網(wǎng)絡(luò)輸出貨運(yùn)量','實(shí)際貨運(yùn)量');xlabel('年份');ylabel('貨運(yùn)量/萬(wàn)人');title('運(yùn)用工具箱客運(yùn)量學(xué)習(xí)和測(cè)試對(duì)比圖');6.對(duì)新數(shù)據(jù)進(jìn)行仿真；pnew=73

17、.79 75.55 3.9635 4.0975 0.9880 1.0268;pnewn=tramnmx(pnew,minp,maxp);anewn=sim(net,pnewn);anew=postmnmx(anewn,mint,maxt)5.1.4、程序運(yùn)行結(jié)果anew =1.0e+004 * 4.3370 4.3372 2.1770 2.1771也就是說2010年和2011年的公路客運(yùn)量分別為 43370萬(wàn)人和43372萬(wàn)人；貨運(yùn)量分別為21770萬(wàn)噸和21771萬(wàn)噸。 （圖1） 從學(xué)習(xí)曲線圖（圖1）中，可以看出網(wǎng)絡(luò)的最后訓(xùn)練的誤差很小，達(dá)到了期望的值。 （圖2）從實(shí)際樣本與網(wǎng)絡(luò)輸出值之間的

18、訓(xùn)練和測(cè)試的對(duì)比圖中（圖2），可以看出兩者之間的誤差極小，可以放心利用該程序進(jìn)行預(yù)測(cè)。5.15 總結(jié)著重于分析BP神經(jīng)網(wǎng)絡(luò)方法，并根據(jù)神經(jīng)網(wǎng)絡(luò)模型能夠建立從輸人到輸出的任意非線性映射的優(yōu)越性，把神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于公路貨運(yùn)量的組合預(yù)測(cè)中，克服了傳統(tǒng)組合預(yù)測(cè)算法的局限性。并借助于MATLAB軟件，簡(jiǎn)化了模型的計(jì)復(fù)雜性。實(shí)例證明，該方法切實(shí)可行。5.2 excel中的線性回歸預(yù)測(cè)公路貨運(yùn)量5.2.1、數(shù)據(jù)分析 將給定的數(shù)據(jù)輸入到excel中，數(shù)據(jù)如下： 表（二）年份人口數(shù)量機(jī)動(dòng)車數(shù)量公路面積公路客運(yùn)量公路貨運(yùn)量199020.550.60.0951261237199122.440.750.116217

19、1379199225.370.850.1177301385199327.130.90.1491451399199429.451.050.2104601663199530.11.350.23113871714199630.961.450.23123531834199734.061.60.32157504322199836.421.70.32183048132199938.091.850.34198368936200039.132.150.362102411099200139.992.20.361949011203200241.932.250.382043310524200344.592.350.

20、492259811115200447.32.50.562510713320200552.892.60.593344216762200655.732.70.593683618673200756.762.850.674054820724200859.172.950.694292720803200960.633.10.794346221804201073.393.96350.988201175.554.09751.0268 將人口數(shù)量，機(jī)動(dòng)車數(shù)量，公路面積，年份分別與公路客運(yùn)量作散點(diǎn)圖，初步判斷四者與公路的客運(yùn)量成線性關(guān)系。圖形如下： 圖（3） 從上圖可看出，公路客運(yùn)量大致與人口數(shù)量，機(jī)動(dòng)車數(shù)量，公

21、路面積，及年份成線性關(guān)系。同理作圖公路貨運(yùn)量與這四者的關(guān)系也大致線性相關(guān)。5.2.2 回歸分析 對(duì)照附表1中的數(shù)據(jù)，在excel中分別對(duì)人口數(shù)量，機(jī)動(dòng)車數(shù)量，公路面積，及年份對(duì)公路客運(yùn)量作回歸分析，同理對(duì)公路貨運(yùn)量也作回歸分析，統(tǒng)計(jì)后結(jié)果如表三所示： 表（三）2010預(yù)測(cè)值考慮年份的平均值不考慮年份的平均值R客&人54042.6551011.9160353924.59470.977025客&機(jī)51892.520.902196客&公55838.620.95894客&年42273.880.932832貨&人28974.0926050.0965527353.5

22、42070.960106貨&機(jī)28080.640.924221貨&公25005.890.939094貨&年22139.760.9401662011預(yù)測(cè)值考慮年份的平均值不考慮年份的平均值R客&人56150.0753092.1613556026.359130.977025客&機(jī)53879.530.902196客&公58049.470.95894客&年44289.570.932832貨&人30226.5428545.8394830276.80730.960106貨&機(jī)29286.330.924221貨&公31317.5

23、50.939094貨&年23352.940.940166（注：表三中客&人指由人口數(shù)量預(yù)測(cè)的公路客運(yùn)量，同理貨&人指由人口數(shù)量預(yù)測(cè)的公路貨運(yùn)量，其他一次類推。）回歸得出，由人口數(shù)量得出：客&人：w1=975.6608*a1-17561.1,R1=0.977025;客&機(jī)：w2=14828.41*a2-6879.88,R2=0.902196;客&公：w3=56980.41*a3-458.542,R3=0.95894;客&年：w4=2015.688*a4-4009259,R4=0.932832;貨&人：z1=579.8364*a1-1

24、3580.1,R5=0.960106;貨&機(jī)：z2=8997.709*a2-7581.78,R6=0.924221;貨&公：z3=33805.577*a3-3394.01,R7=0.939094;貨&年：z4=1213.176*a4-2416344,R8=0.940166由回歸方程分別算出2010年與2011年各自預(yù)測(cè)的公路客運(yùn)量和公路貨運(yùn)量，再分別取平均值，由于題目指出某地區(qū)的公路運(yùn)量主要與該地區(qū)的人數(shù)、機(jī)動(dòng)車數(shù)量和公路面積有關(guān)，所以先不把年份包含進(jìn)去取得平均值，再把年份包含進(jìn)去再次取平均值。5.2.3回歸結(jié)果：從表三中可以預(yù)測(cè)出2010年的公路客運(yùn)量為51011.9

25、1603萬(wàn)人，公路貨運(yùn)量為26050.09655萬(wàn)噸，2011年的公路客運(yùn)量為53092.16135萬(wàn)人，公路貨運(yùn)量為28545.83948萬(wàn)噸（考慮年份）。不考慮年份的預(yù)測(cè)值見上表三（分析得不考慮年份的值偏大）。其中具體如下：2010年：由人口數(shù)量預(yù)測(cè)出的公路客運(yùn)量為54042.65萬(wàn)人；由機(jī)電車數(shù)量預(yù)測(cè)出的公路客運(yùn)量為51892.52萬(wàn)人；由公路面積預(yù)測(cè)出的公路客運(yùn)量為55838.62萬(wàn)人；由年份預(yù)測(cè)出的公路客運(yùn)量為42273.88萬(wàn)人；由人口數(shù)量預(yù)測(cè)出的公路貨運(yùn)量為28974.09萬(wàn)噸；由機(jī)電車數(shù)量預(yù)測(cè)出的公路貨運(yùn)量為28080.64萬(wàn)噸；由公路面積預(yù)測(cè)出的公路貨運(yùn)量為25005.89萬(wàn)

26、噸；由年份預(yù)測(cè)出的公路貨運(yùn)量為22139.76萬(wàn)噸。2011年：由人口數(shù)量預(yù)測(cè)出的公路客運(yùn)量為56150.07萬(wàn)人；由機(jī)電車數(shù)量預(yù)測(cè)出的公路客運(yùn)量為53879.53萬(wàn)人；由公路面積預(yù)測(cè)出的公路客運(yùn)量為58049.47萬(wàn)人；由年份預(yù)測(cè)出的公路客運(yùn)量為44289.57萬(wàn)人；由人口數(shù)量預(yù)測(cè)出的公路貨運(yùn)量為28974.09萬(wàn)噸；由機(jī)電車數(shù)量預(yù)測(cè)出的公路貨運(yùn)量為29286.33萬(wàn)噸；由公路面積預(yù)測(cè)出的公路貨運(yùn)量為31317.55萬(wàn)噸；由年份預(yù)測(cè)出的公路貨運(yùn)量為23352.94萬(wàn)噸。最終的預(yù)測(cè)值需要平均值，見上表三所示。5.3預(yù)測(cè)的最終結(jié)果 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果：2010年和2011年的公路客運(yùn)量分別為

27、43370萬(wàn)人和43372萬(wàn)人；貨運(yùn)量分別為21770萬(wàn)噸和21771萬(wàn)噸。 線性回歸預(yù)測(cè)結(jié)果：2010年和2011年的公路客運(yùn)量分別為 51011.91603萬(wàn)人和53092.16135萬(wàn)人；貨運(yùn)量分別為26050.09655萬(wàn)噸和28545.83948萬(wàn)噸萬(wàn)噸。6、 模型的對(duì)比總體來(lái)說兩個(gè)模型都是可行的，都預(yù)測(cè)出2010年和2011年公路客運(yùn)量和公路貨運(yùn)量，但由于不同的預(yù)測(cè)模型的預(yù)測(cè)機(jī)理不同，往往能提供不同的有用信息，反而單獨(dú)采用某一種模型往往有其局限性。6.1 BP神經(jīng)網(wǎng)絡(luò)：BP神經(jīng)網(wǎng)絡(luò)的運(yùn)用極其廣泛，并且在很多領(lǐng)域都很實(shí)用，在MATLAB工具箱的幫助下更顯得簡(jiǎn)單快速，BP網(wǎng)絡(luò)對(duì)于非線性

28、的模仿能力很強(qiáng)，這也是它能夠廣泛運(yùn)用的重要原因。基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于公路客運(yùn)量組合預(yù)測(cè)的優(yōu)點(diǎn)如下：a）靈活運(yùn)用了BP神經(jīng)網(wǎng)絡(luò)能夠逼近任意一個(gè)非常復(fù)雜的非線性函數(shù)的優(yōu)點(diǎn)，克服了傳統(tǒng)組合預(yù)測(cè)方法中用固定的某一類數(shù)學(xué)模型進(jìn)行預(yù)測(cè)的不足，使得預(yù)測(cè)過程更加符合實(shí)際，預(yù)測(cè)結(jié)果更加精確合理。b)利用MATLAB強(qiáng)大的數(shù)學(xué)計(jì)算功能，大大降低了神經(jīng)網(wǎng)絡(luò)計(jì)算的復(fù)雜性和難度，使神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)者可以從繁瑣的編程中解脫出來(lái)，從而提高研究工作的效率和質(zhì)量。C)由于BP神經(jīng)元網(wǎng)絡(luò)具有非線性動(dòng)力學(xué)特性，更擅于處理聯(lián)想記憶、經(jīng)驗(yàn)推理和模糊推理實(shí)現(xiàn)經(jīng)驗(yàn)與知識(shí)的結(jié)合，所以克服了其他預(yù)測(cè)方法的片面性，更適于多因素共同

29、作用下公路貨運(yùn)量的預(yù)測(cè)。d)BP神經(jīng)元網(wǎng)絡(luò)具有自組織和自學(xué)習(xí)的能力，通過有導(dǎo)師和無(wú)導(dǎo)師學(xué)習(xí)。可以方便地記憶有關(guān)的知識(shí)，這有利于貨運(yùn)量組合預(yù)測(cè)中預(yù)測(cè)結(jié)果的獲取。e)由于BP神經(jīng)元網(wǎng)絡(luò)表現(xiàn)出比較良好的容錯(cuò)性能，即使某一單項(xiàng)預(yù)測(cè)數(shù)據(jù)有偏差甚至錯(cuò)誤，對(duì)組合預(yù)測(cè)結(jié)果的影響也較小。但另一方面BP神經(jīng)網(wǎng)絡(luò)也有一些缺點(diǎn)：用過BP網(wǎng)絡(luò)的恩都會(huì)認(rèn)識(shí)到一個(gè)問題，那就是BP網(wǎng)絡(luò)的收斂速度是很慢的；它的網(wǎng)絡(luò)模型的逼近和推廣能力與學(xué)習(xí)樣本的典型性密切相關(guān)，所以從問題中選取典型樣本實(shí)例組成訓(xùn)練集就是很重要的，但這本身又是一個(gè)很困難的問題。6.2 線性回歸：線性回歸是利用數(shù)理統(tǒng)計(jì)中的回歸分析，來(lái)確定兩種或兩種以上變量間相互依

30、賴的定量關(guān)系的一種統(tǒng)計(jì)分析方法，運(yùn)用十分廣泛。分析按照自變量和因變量之間的關(guān)系類型。在線性回歸中，數(shù)據(jù)使用線性預(yù)測(cè)函數(shù)來(lái)建模，并且未知的模型參數(shù)也是通過數(shù)據(jù)來(lái)估計(jì)。線性回歸方程的顯著性檢驗(yàn)是借助于F檢驗(yàn)來(lái)完成的。 檢驗(yàn)統(tǒng)計(jì)量F： 誤差平方和： 回歸平方和： FF（1，n-2）。在顯著水平a下，若 ，則認(rèn)為回歸方程效果在此水平下顯著；當(dāng) 時(shí)，則認(rèn)為方程效果不明顯。 但回歸分析不太適合較復(fù)雜的數(shù)據(jù)之間，且是從整體出發(fā)的，對(duì)于個(gè)別的數(shù)據(jù)而言具有偶然性，本題運(yùn)用線性回歸后得出的結(jié)果叫神經(jīng)網(wǎng)絡(luò)的大些。 綜上所述，從本題預(yù)測(cè)討論的結(jié)果看，線性回歸擬合的結(jié)果不如BP神經(jīng)網(wǎng)絡(luò)準(zhǔn)確。7、 參考文獻(xiàn)1 吳建國(guó)，數(shù)

31、學(xué)建模案例精編，北京：中國(guó)水利水電出版社，2005.2 袁新生，LINGO和Excel在數(shù)學(xué)建模中的應(yīng)用，北京：科學(xué)出版社，2007.3 刁在筠，運(yùn)籌學(xué)，北京：高等教育出版社，2001.4 唐五湘，Excel在預(yù)測(cè)中的應(yīng)用，北京：電子工業(yè)出版社，2001.5 汪小銀，數(shù)學(xué)軟件與數(shù)學(xué)實(shí)驗(yàn)，北京：科學(xué)出版社，2008.附錄1、附表1 某地區(qū)公路運(yùn)量數(shù)據(jù)表 年份人口數(shù)量機(jī)動(dòng)車數(shù)量公路面積公路客運(yùn)量公路貨運(yùn)量199020.550.60.0951261237199122.440.750.1162171379199225.370.850.1177301385199327.130.90.1491451399

32、199429.451.050.2104601663199530.11.350.23113871714199630.961.450.23123531834199734.061.60.32157504322199836.421.70.32183048132199938.091.850.34198368936200039.132.150.362102411099200139.992.20.361949011203200241.932.250.382043310524200344.592.350.492259811115200447.32.50.562510713320200552.892.60.59

33、3344216762200655.732.70.593683618673200756.762.850.674054820724200859.172.950.694292720803200960.633.10.794346221804201073.393.96350.988201175.554.09751.02682、BP神經(jīng)網(wǎng)絡(luò)程序：clcclearsqrts=20.55 22.44 25.37 27.13 29.45 30.1 30.96 34.06 36.42 38.09 39.13 39.99 41.93 44.59 47.3 52.89 55.73 56.76 59.17 60.63;

34、sqjdcs=0.6 0.75 0.85 0.9 1.05 1.35 1.45 1.6 1.7 1.85 2.15 2.2 2.25 2.35 2.5 2.6 2.7 2.85 2.95 3.1;sqglmj=0.09 0.11 0.11 0.14 0.2 0.23 0.23 0.32 0.32 0.34 0.36 0.36 0.38 0.49 0.56 0.59 0.59 0.67 0.69 0.79;glkyl=5126 6217 7730 9145 10460 11387 12353 15750 18304 19836 21024 19490 20433 22598 25107 3344

35、2 36836 40548 42927 43462;glhyl=1237 1379 1385 1399 1663 1714 1834 4322 8132 8936 11099 11203 10524 11115 13320 16762 18673 20724 20803 21804;p=sqrts;sqjdcs;sqglmj;t=glkyl;glhyl;pn,minp,maxp,tn,mint,maxt=premnmx(p,t);dx=-1 1;-1 1;-1 1;net=newff(dx,3,2,'tansig','tansig','purelin&#

36、39;,'traingdx');net.trainParam.show=1000;net.trainParam.Lr=0.05;net.trainParam.goal=0.65*10(-3);net.trainParam.epochs=50;%50000net=train(net,pn,tn);an=sim(net,pn);a=postmnmx(an,mint,maxt);x=1990:2009;newk=a(1,:);newh=a(2,:);figure(2);subplot(2,1,1);plot(x,newk,'r-o',x,glkyl,'b-+&

37、#39;);legend('網(wǎng)絡(luò)輸出客運(yùn)量','實(shí)際客運(yùn)量');xlabel('年份');ylabel('客運(yùn)量/萬(wàn)人');title('運(yùn)用工具箱客運(yùn)量學(xué)習(xí)和測(cè)試對(duì)比圖');subplot(2,1,2);plot(x,newh,'r-o',x,glhyl,'b-+');legend('網(wǎng)絡(luò)輸出貨運(yùn)量','實(shí)際貨運(yùn)量');xlabel('年份');ylabel('貨運(yùn)量/萬(wàn)人');title('運(yùn)用工具箱客運(yùn)量學(xué)

38、習(xí)和測(cè)試對(duì)比圖');pnew=73.79 75.55 3.9635 4.0975 0.9880 1.0268;pnewn=tramnmx(pnew,minp,maxp);anewn=sim(net,pnewn);anew=postmnmx(anewn,mint,maxt)yck=anew(1,:);ych=anew(2,:);z=2010:2011;figure(3);subplot(3,1,1);plot(x,newk,'r-o',z,yck,'b-+');subplot(3,1,2);plot(x,newh,'r-o',z,ych,&

39、#39;b-+');基于時(shí)間序列matlab的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè) 想通過matlab的BP神經(jīng)網(wǎng)絡(luò)算法預(yù)測(cè)集裝箱運(yùn)量1998-2009對(duì)應(yīng)的原始數(shù)據(jù)：115.4 212.1 259.7 251.8 352 463.4 509 558 614 700 696 712需要預(yù)測(cè)2010至2020年的數(shù)據(jù).哪位MATLAB高手能否幫忙下,將matlab的程序代碼寫下,由于是新手,希望用我的原始數(shù)據(jù)進(jìn)行預(yù)測(cè),如果有更多的話將會(huì)追加,請(qǐng)問這句什么意思哦net=newff(minmax(P),7,1,'tansig','logsig','traingdx');我是新手不太懂.熾殺Ml92014-12-16優(yōu)質(zhì)解答樓上的程序是對(duì)的,但是你只有輸出數(shù)據(jù),輸入數(shù)據(jù)是什么呢?難道是時(shí)間,年限和輸出數(shù)據(jù)之間沒關(guān)系吧.所以你的原始數(shù)據(jù)條件不夠net=newff(minmax(P）【7,1,'tansig','logsig','traingdx');newff為建立一個(gè)BP神經(jīng)網(wǎng)絡(luò),minmax(P為輸入數(shù)據(jù)的范圍,),7,1表示BP網(wǎng)絡(luò)有三層,中間隱藏層有7個(gè)神經(jīng)元,輸出一個(gè)神經(jīng)元.tansig表示正切傳遞函數(shù),將數(shù)據(jù)轉(zhuǎn)