資源描述：
《基于emd的bp神經網絡在公交客流預測中的應用》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、基于EMD的BP神經網絡在公交客流預測中的應用EMD-basedBPneuralnetworkforforecastingpassengerflowofpublictransportation領域：軟件工程作者姓名：郭雅楠指導教師：孟昭鵬教授天津大學軟件學院二零一五年十一月摘要隨著城市的發(fā)展，道路擁擠、車輛堵塞等交通問題越來越嚴峻，隨之引發(fā)了環(huán)境污染、出行不便等一系列問題，這種情況下優(yōu)先發(fā)展公共交通成為解決問題的重中之重。為了提高公交運營管理效率，關鍵做法是掌握客流情況，對短時公交客流進行分析和預測能夠了解到客流變動情況，有助于制定出合理有效的公交調度計劃。傳統的公交客流采集
2、方法已經不再適用于當今的海量數據，智能公交系統的出現使得數據收集變?yōu)榱丝赡?。通過收集公交IC卡刷卡數據與行車GPS數據，將二者結合進行分析，可以得到公交運營的線路、上車站點、客流量等基本信息。通過對客流量數據的挖掘分析，可以得出不同時間段的客流變化趨勢及規(guī)律，在此基礎上對客流量進行峰值區(qū)間劃分，整體把控客流量的時間特性。針對非線性非平穩(wěn)的客流量數據進行預測，以往的統計學方法已經無能為力。本文以經典的人工神經網絡之一BP神經網絡模型為基礎，提出了兩種改進后的組合模型，其一是以優(yōu)化網絡權值閾值為目的，結合了粒子群優(yōu)化算法的組合模型，其二是以降低數據非平穩(wěn)性為目的，應用了經驗模態(tài)分
3、解方法的組合模型。實驗結論表明，改進后的組合模型顯著提高了預測精度，證實了新方法在預測客流量方面的可用性和有效性。關鍵詞：公交客流預測；BP神經網絡；粒子群優(yōu)化算法；經驗模態(tài)分解法；組合模型ABSTRACTWiththedevelopmentofcity,problemssuchastrafficcongestionhavebeenemerging,followedbyenvironmentalpollutionandtravelinginconvenience.Thepublictransportationisplayingamoreandmoreimportantpart
4、underthissituation.Itiscrucialtoanalyzeandpredictshort-timepassengerflowinordertoimprovetheefficiencyofpublictransportoperations,whichcanprovidedecision-makerswithvaluableinformationsoastodevelopareasonableandefficientschedulingplan.Intermsofcollectingmassivepassengerflowdata,traditionalcol
5、lectingmethodsarenolongersuitablewhileintelligenttransportationsystemmakesitpossible.ThebasicinformationsuchasboardingsiteandpassengerflowareobtainedthroughcombiningICcarddataandGPSdata.Basedonpassengerflowdata,wecanconcludetheoveralltrendandmajorcharacteristicsofpassengerflowinweekdayandwe
6、ekend,withinonedayandonemonth.Inaddition,peakintervaldivisionleadstobetterunderstandingofpassengerflow.Predictingnonlinearandnon-stationarypassengerflowdataisbeyondpreviousstatisticalapproaches.OnbasisofBPneuralnetwork,oneofthemostclassicalartificialneuralnetworks,thispaperproposedimprovedh
7、ybridmodels.OnemodelisthecombinationofparticleswarmoptimizationalgorithmwithBPmodel,withthepurposeofoptimizingconnectionweightsandthresholdvaluesofthenetwork.TheotheroneisthecombinationofempiricalmodedecompositionmethodandBPmodel,whichaimstoreducethenon-
