資源描述：
《基于反饋模糊神經(jīng)網(wǎng)絡(luò)的行程時間預(yù)測研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、工學(xué)碩士學(xué)位論文基于反饋模糊神經(jīng)網(wǎng)絡(luò)的行程時間預(yù)測研究張峰哈爾濱工業(yè)大學(xué)2006年6月國內(nèi)圖書分類號：U491.1+4國際圖書分類號：656工學(xué)碩士學(xué)位論文基于反饋模糊神經(jīng)網(wǎng)絡(luò)的行程時間預(yù)測研究碩士研究生：張峰導(dǎo)師：安實教授申請學(xué)位：工學(xué)碩士學(xué)科、專業(yè)：交通運(yùn)輸規(guī)劃與管理所在單位：深圳研究生院答辯日期：2006年6月授予學(xué)位單位：哈爾濱工業(yè)大學(xué)ClassifiedIndex:U491.1+4U.D.C:656DissertationfortheMasterDegreeofEngineeringAPPL
2、ICATIONOFRECURRENTFUZZYNEURALNETWORKFORTRAVELTIMEFORECASTINGCandidate:ZhangFengSupervisor:Prof.AnShiAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:TransportationplanningandManagementAffiliation:ShenzhenGraduateSchoolDateofOralExamination:June,200
3、6University:HarbinInstituteofTechnology哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文摘要隨著智能交通系統(tǒng)的發(fā)展，交通流誘導(dǎo)和線路引導(dǎo)成為21世紀(jì)現(xiàn)代地面運(yùn)輸管理體系的模式和發(fā)展方向。建立交通流誘導(dǎo)和線路引導(dǎo)系統(tǒng)的關(guān)鍵是要能較準(zhǔn)確地預(yù)測未來時段內(nèi)的路段行程時間，路段行程時間預(yù)測也是智能交通信息系統(tǒng)研究的重要內(nèi)容，因此，城市交通路段行程時間預(yù)測研究有著十分重大的意義。本文在基于模糊邏輯系統(tǒng)和反饋神經(jīng)網(wǎng)絡(luò)理論研究的基礎(chǔ)上，建立了一種反饋模糊神經(jīng)網(wǎng)絡(luò)，并把它應(yīng)用于行程時間的預(yù)測研究。本
4、文所建立的反饋模糊神經(jīng)網(wǎng)絡(luò)作為一種新型的數(shù)學(xué)建模方式，繼承了模糊神經(jīng)網(wǎng)絡(luò)的優(yōu)點，可以根據(jù)具體問題確定相應(yīng)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，具有自學(xué)習(xí)、自組織的功能，不會出現(xiàn)局部極小值問題，對連續(xù)非線性函數(shù)具有一致逼近性，而且，它含有反饋的功能，具有聯(lián)想記憶的能力。論文首先介紹了路段行程時間預(yù)測的已有方法，分析了它們的優(yōu)勢和不足；然后分析了交通誘導(dǎo)系統(tǒng)對行程時間預(yù)測的需求，研究行程時間與交通流基本參數(shù)之間的關(guān)系，確定用于行程時間預(yù)測的交通參數(shù)為交通流量和車道占有率；建立反饋模糊神經(jīng)網(wǎng)絡(luò)模型用于行程時間的預(yù)測，通過仿真驗證
5、了其預(yù)測效果；引入不同的性能指標(biāo)以便對預(yù)測的效果進(jìn)行分析；最后與普通的模糊神經(jīng)網(wǎng)絡(luò)的預(yù)測性能做了系統(tǒng)的比較，證明了基于反饋模糊神經(jīng)網(wǎng)絡(luò)的路段行程時間預(yù)測有較好的準(zhǔn)確性和收斂性。關(guān)鍵詞反饋模糊神經(jīng)網(wǎng)絡(luò)；交通誘導(dǎo)；行程時間預(yù)測；交通流量；車道占有率-I-哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文AbstractWiththerapiddevelopmentofintelligenttransportationsystem,thetrafficflowguidancehasbecometheimportantmodeo
6、fthemoderntrafficmanagementsysteminthe21stcentury.Howtopredicttheroutetraveltimeaccuratelyisthekeytechnologyofagoodtrafficflowguidancesystem,andwhichisalsooneofthebasicaspectsoftheintelligenttransportationinformationsystem,soitissignificanttostudythemet
7、hodsofforecastingtheaccuratetraveltime.Thepaperputsforwardatraveltimepredictionmodelbasedontherecurrentfuzzyneuralnetworkwhichcombinethetheoryoffuzzylogicsystemandrecurrentneuralnetwork.Asanewmodelingmethod,recurrentfuzzyneuralnetworkinherittheexcellenc
8、eofthefuzzyneuralnetwork,itcanlearnregulationsfromhistorydataandorganizenetworkstructureaccordingtogivenissue,itcanovercometheshortcomingofpartialminimumpointproblem,ithasconsistentapproachqualityforsequencenon-linerfunction,andt
