文档介绍：甘肃紫光智能交通与控制技术有限公司钟强
引言的应用。
向后传播算方法在多层前馈神经网络上进行学习。用于
高速公路交通量预测是高速公路建设项目可行性研究报元组类标号预测的一组权重。多层前馈神经网络由一个输入
告的一项重要内容,它是进行交通量现状评价、综合分析建层、一个或多个隐藏层和一个输出层组成。其模型结构如图
设项目的必要性和可行性的基础,是确定高速公路建设项目所示:
的技术等级、工程规模、效益分析的主要依据同时,其准
确率直接关系高速公路投资回报率,甚至影响项目国民经济
评价及财务评价。根据调查资料和工程项目的性质选用不同
的预测方法,国内、外已提出的各种预测方法多达种左
右,但用于实际操作的较少,如头脑风暴法、专家预测法、
德尔菲法、主观概率法、增长率法重力模型、超
势外推法、移动平均法、指数平滑法、回归分析法、联立方
程法、弹性系数法等。许多新的预测方法也被迅速应用于交
通领域,代表性的有遗传算法、支持向量机、灰色理论等
技术。考虑到高速公路交通量预测具有“黑箱”及非线性特图多层前馈神经网络
性,为了提高预测结果的准确率,本文利用人工神经网络技二、向后传播算法学习计算步骤
术对未来交通量进行预测,并在预测理论模型的基础上,进初始化权重:网络的权重初始化为很小的随机数
行仿真试验,其结果表明采用人工神经网络建立的高速公路例如,由一.~.,或由.~.。每个单元有一个关
交通量预测具有实用性。联的偏倚,其类似地也初始化为小随机数。每个训练元
组按以下步骤处理。
神经网络原理及算法向前传播输入:首先,训练元组提供给网络的输入
层。对于训练元组中每个属性的测量输入值进行规格化将有
一
、网络概述助于加快学习过程。通常使得它们落于. .之间。离散
向后传播是一种神经网络学习算法。神经网络领域最早值属性可以重新编码,使每个阈值一个输入单元训练前采
是由心理学家和神经学家开创的,旨在寻求开放和测试神经用以下隶属度函数对样本数据进行规范化预处理,使数据的
的计算机模拟。粗略地说,神经网络是一组连接的输入/输值位于. .内。
出单元,其中每个连接都与一个权重相关联。在学习阶段, 对于越小越好指标,采用下面隶属度函数
通过调整这些权重,能够预测输入元组的正确类标号。神经
网络需要很长的训练时间,对于足够长训练时间的应用更合叫『,
丑、一~
适。需要大量的参数,通常主要靠经验确定,如网络拓扑。
对于越大越好指标,采用下面隶属度函数
神经网络常常因其可解释性差而受到批评,然而神经网络的

优点包括对其噪声数据的高承受能力,以及对未经训练的数
￡,‘一
.
据的模式分类能力。在缺乏属性与类之间联系的知识时可以【
使用它们。神经网络算法是固有并行的;可以使用并行技术式中:为的论域;。:。,。,。
来加快计算过程;此外,已开发的一些从训练过的神经网络其次,输入通过输入单元,不发生变化。也就是说,对
提取规则的技术推动了神经网络在数据挖掘分类和预测方面于输入单元,它的输出等于它的输入值。
中国交通信息产业·
■■匪圜,
然后,计算隐藏层和输出层每个单元的净输入和输出。收敛,但不是最优解,并有助于找到全局