M34.BP神经网络在高速公路交通量预测中的应用

以高速公路交通流预测为研究对象,简化了高速公路宏观动态交通流模型,利用matlab神经网络工具建立模型并进行网络训练与预测。对嘉兴站附近高速公路交通流数据进行了采集、建模和预测。从预测结果中得知,基于bp神经网络交通流预测模型具有很高的可靠度,该简化的交通流模型更为简练,预测结果亦可以点带面地面描述该站点一定空间及时间范围内的交通流情况。

以宏观动态交通流模型为基础,分析了模型中各个参数之间的函数关系.给出了基于bp神经网络理论的高速公路交通流预测模型建立的方法,对高速公路进行建模.该模型可以通过对高速公路交通流信息的实时采集对参数进行动态的修正,达到交通流信息预测的准确性要求.

根据某高速公路高路堤填土施工期路基沉降实测资料,建立了预测路基沉降的等时距bp神经网络模型,并运用三次样条插值获得预测时间段内任一时刻沉降值,并与实测值进行比较,证明它具有很高的预测精度。

借助人工神经网络模型,建立了可依据现场量测信息对软基路堤沉降量随时间而发展的过程进行动态预报的分析方法。其要点是:建立公路软基沉降预测的神经网络结构,并将前期沉降观测值作为样本,通过神经网络结构的训练寻求沉降及其主要影响因素的内在关系,据以预测后期沉降量

文章主要对江西高速公路信息中心建设中的道路气象监测平台和交通应急监控平台做了一些具体的研究。主要研究内容首先是道路气象监测平台监测各路段及关键点的各种异常交通环境因素变化和气象状况。将数据信息及时传送到高速公路信息中心基于地理信息系统gis模型，再通过bp神经网络模型分析路况实时气象数据（气温、湿度、风向、路面温度、能见度等）与道路车辆行驶状况（如交通量、速度、道路占有率等）之间的关系，模拟道路天气对道路车辆的影响。

为了提高高速公路交通安全评价的准确性及可靠性,在遵循评价基本原理及相关要求的基础上,提出基于bp神经网络的高速公路交通安全评价方法,建立了高速公路交通安全评价模型,并对新疆s045线交通安全状况进行实例分析。结果表明:新疆s045线交通安全状况良好。基于bp神经网络的高速公路交通安全评价准确性较高,其涉及参数较少,操作简便,评价科学。

为了评价高速公路交通安全的水平,使高速公路的管理者能获得交通安全状况的动态信息,在对国内外交通安全评价的方法进行研究的基础上,提出了bp神经网络评价模型进行高速公路交通安全评价.在对交通事故进行调查分析的基础上,从影响高速公路交通安全的6个方面,建立了相应的评价指标体系,共计18个指标.每个指标有确定的指数等级划分依据、评价要求、调查方法.采用c++语言开发了基于bp神经网络模型的综合评价软件,在江西省梨温和昌泰2条高速公路进行实际应用.对评价结果进行了分析,表明该方法操作性强、结果可靠.

采用人工神经网络较强的非线性映射能力和学习能力,提出基于改进的bp神经网络预测盐淮高速公路的路基的沉降。利用实测沉降资料直接建模,避免了传统方法计算过程中各种人为因素的干扰,所建立的模型预测精度高、预测的沉降量误差小。

本文介绍了transcad软件的特点及其功能，作为交通规划软件对济南至东营高速公路的未来特征年的交通量进行了预测，并提出了应用该软件的不足。

准确的交通流预测是智能交通系统的关键技术,为此,本文以衡大高速为研究对象,提出基于ga-bp神经网络的衡大高速日交通流量预测方法。本文通过阈值方法对微波车检器数据进行预处理,根据ga-bp神经网络算法建立了交通流量预测模型,并通过计算机仿真验证对比预测结果和实际流量数据,其预测结果精度高,可满足日常交通管理需求,为交通管理提供了有效的技术支撑、本课题受到河北省交通运输厅科研课题(y-2014022)的支持。

为了预测高速公路路基最终沉降量,首先依据影响软土路基沉降的因素选取参数建立了bp神经网络预测最终沉降量模型.结合成都-南充高速公路沉降实测资料及其它文献中大量路基沉降资料,利用bp神经网络预测了其各自最终沉降量.通过检验样本验证,预测精度较高,能够满足实际需要.并对bp神经网络在公路建设中的应用提出了一些注意事项.

根据安全车速的概念与特征,提出综合运用客观数据与主观数据,进行bp神经网络安全车速预测的方法。首先确定影响安全车速的主要因素,然后通过客观分析与主观分析方法相结合的方式,获取相关因素影响下高速公路的典型安全车速,作为建立神经网络计算所需的样本与验证数据。模型的训练与验证过程表明,主客观数据相结合的神经网络方法能够较好地预测复杂因素影响下的高速公路安全车速。

虽然影响交通量增长的因素有很多,但有两点是最重要的,一个是国民经济的发展现状,一个是经济总量与经济结构,前者是主导因素,后者为具体因素。本文基于高速公路入口处的交通量,对探讨高速公路出入口交通量与经济发展关系的相关性提出了建议,旨在提高公路网规划的科学性。

人工神经网络具有较强的自组织、自适应、容错性以及很强的学习、联想能力,本文将其应用到高速公路路基沉降预测中。重点介绍了elman模型方法,本方法利用实测资料直接建模,避免了传统方法计算过程中的各种局限性,通过对高速公路路基实测沉降资料的计算分析,证明本模型预测精度高,简便易行,具有广泛的工程实用价值。

bp神经网络在基坑变形预测分析中的应用——本文提出了基坑变形预测与分析的bp神经网络方法，建立了基坑变形预测分析的模型，应用matlab语言编制计算程序进行计算并与实际工程监测值进行比较，从而验证了神经网络在基坑变形预测分析中的可行性、有效性。　　

在对某基坑工程采用bp神经网络模型预测基坑开挖引起地表变形的分析中,考虑到现有模型可能会遇到预测结果跳不出训练样本以及训练时间较长的问题,提出采用matlab中的mapminmax函数进行归一化处理,并基于牛顿法、共轭梯度法和l-m法三种数值优化方法对bp网络训练算法进行了改进.研究结果表明:与常用的基于梯度下降原则相比,改进后的bp神经网络在训练时间和预测误差方面均有明显的优势,采用l-m法的神经网络在训练样本时的迭代次数最少为74次,采用共轭梯度法的预测结果与实测结果的误差最大为2.4％,而采用牛顿法神经网络的预测值则比较均衡,预测结果相对最佳.

bp神经网络是分析处理复杂非线性问题的一种有效方法,是目前广泛应用的一种神经网络,已被逐渐应用于对宏观经济问题的研究中。本文有机地整合了计量经济学与bp神经网络,建立了基于因果关系理论来确定bp网络的输入变量,基于协整理论来分析bp网络系统的可靠性,基于学习率可变的动量bp算法的用于研究经济领域问题的改进bp神经网络预测模型,加强了网络模型的理论基础,提高了网络模型的质量,并将其应用于西北建筑业的预测和控制中,取得了令人满意的效果。

提出一种采用bp神经网络算法来预测深基坑沉降的方法,结合具体工程实例,构建了预测深基坑周边地表沉降具体bp神经网络模型,预测结果表明,该模型有较高的预测精度,可作为预测沉降的一种新方法。

bp神经网络在地基土压缩指数预测中的应用——为了寻求基于多个常规物理参数间接得到土变形参数的途径，根据几个实际工程中的土工试验数据，利用bp神经网络方法对土压缩指数进行预测。选取土塑性指数、含水量、孔隙比、密度这4个常规物理参数作为影响土压缩指数...

结合某桩锚支护深基坑工程,针对不同工况,利用监测数据作为输入建立bp神经网络模型,预测桩体水平位移.结果表明,不同工况下的预测精度不同,桩体位移较大时预测精度较高,位移较小时预测精度较差;对于工况变化时位移曲线的变化趋势,预测结果的适应性良好;bp神经网络预测桩体水平位移具有较高的可行性和可靠性.

简要介绍了高速公路软土地基的基本性质和对高速公路的主要影响,运用神经网络预测了软土地基的沉降,并计算出软土地基的沉降值。

gm模型在预测中对历史数据作不同取舍时,其预测值并不相同,即这种预测结果将是一个预测值的区间,这就给预测人员的取舍带来一定困难。利用gm模型少数据建模和人工神经网络非线性逼近的优点把两种模型结合起来,用对历史数据作不同取舍的gm模型的预测值和纯神经网络的预测值作为组合神经网络的输入,由人工神经网络确定这些不同gm模型和纯bp网络的组合,实例验证得出更为准确的预测值,从而证明这一模型的可行性和有效性。