神经网络算法在公路运量预测中的应用毕业设计.doc

《神经网络算法在公路运量预测中的应用毕业设计.doc》由会员分享，可在线阅读，更多相关《神经网络算法在公路运量预测中的应用毕业设计.doc（28页珍藏版）》请在三一办公上搜索。

1、四川理工学院毕业论文神经网络算法在公路运量预测中的应用学 生： 学 号：08071030222专 业：信息与计算科学班 级：信计2008.2指导教师： 四川理工学院理学院二OO一二年六月四 川 理 工 学 院毕业设计（论文）任务书设计（论文）题目： 神经网络在公路运量中的应用 学院： 理学院 专业：信息与计算科学 班级： 2008级2班 学号：08071030222学生：王 军 成 指导教师： 高 媛 媛 接受任务时间 2012年3月 15日 教研室主任 （签名）二级学院院长 （签名）1毕业设计（论文）的主要内容及基本要求主要内容：利用BP神经网络和MATLAB 工具箱建立网络，对公路运量进行

2、预测。基本要求：1. 熟读参考文献2. 掌握神经网络的基本理论和结构。3. 能够利用MATLAB工具箱建立网络。2指定查阅的主要参考文献及说明MATLAB在数学建模中的应用（卓金武主编）；它以数学建模为主，比较全面的讲解了神经网络以及MATLAB 的相关知识。3进度安排设计（论文）各阶段名称起 止 日 期1确定论文题目，接受任务2012年3月15日2查阅文献资料，完成文献综述和开题报告2012年3月25日3完成论文初稿2012年5月12日4修改并完成论文直至定稿2012年5月23日5论文答辩2012年5月29日注：本表在学生接受任务时下达 摘 要 采用BP神经网络建立公路运量组合预测的理论模型

3、，灵活利用神经网络通过自适应自学习能够拟合任意非线性函数的功能，有效克服传统的组合预测方法，在实际应用中把数据间的关系强加给某一类函数的不足，并借助于先进的数学计算软件进行简单的编程大大降低模型的计算难度。实例证明该方法具有很高的预测精度。关键词： MATLAB；公路运量；预测；BP神经网络ABSTRACT A new theory model is brought forward and based on BP neural network is used in highway volume combination forecasting .This model flexibly appli

4、ed the capability that the neural network can fit any non-linear function by self-adaptation and self-learning,avoiding the shortage effectively that traditional combination forecasting method forces the relationship among the data on some sort of function in the application.with the help of MATLAB,

5、some simple program is compiled.It deceases the difficulty of calculation.The example has proved that this method has high prediction precision.Key words:BP neural network; volume; MATLAB; forecast目 录摘 要IABSTRACTII目 录III第一章 前 言1第二章 人工神经网络及公路运量32.1人工神经网络32.1.1人工神经元32.2 BP网络基本原理42.2.1原理42.2.2 BP网络的主要功

6、能62.2.3 BP网络的算法62.3 公路运量7第三章 运用MATLAB建立模型预测公路运量93.1 MATLAB工具箱93.1.1 MATLAB工具箱的用途93.1.2 MATLAB神经网络工具箱函数93.2 运用BP网络建模103.2.1应用实例10第四章 结论与总结114.1 结论114.2 总结12参考文献13致 谢15附 录16文献综述19第一章 前 言交通运输是一个国家重要的基础产业，对国民经济的发展存在着举足轻重的作用，同时对区域产业经济结构的发展也有着直接的影响。公路运输系统作为交通运输系统的一个子系统，在交通运输系统中的主导作用也逐渐凸显。近年来，我国交通基础设施和运输装备

7、都不断改善，为公路运输的快速发展创造了有利的条件。在公路运输生产中，公路运量是反映交通运输业生产成果的重要指标，随着计算机技术和神经网络技术的日趋成熟，许多人都应用神经网络技术对货运量进行预测，一些人应用神经网络技术建立的公路运量组合预测模型具有着较高的预测精度。反映公路产量的指标还有客货的周转量，它更能综合地反映公路运输部门为社会提供运输服务的能力，所以建立一个较好预测系统对公路网规划、建设和管理都具有指导意义。人工神经网络(Artificial Neural Networks)理论是近年来发展起来的模拟人脑生物过程的人工智能技术，也就是在模拟人脑神经组织的基础上发展起来的计算系统，是由大量

8、处理单元通过广泛的互联而构成的网络体系，它具有生物神经系统的基本特征，在一定的程度上反映了人脑功能的若干反映，是对生物系统的某种模拟。适用于因果关系非常复杂的非确定性推理、判断、识别和分类等问题。它在模式识别、计算机视觉、信号处理、非线性优化、语音识别、声纳识别、传感技术与机器人、生物医学工程等领域都有着广泛的应用。随着神经网络的理论的研究和实际应用的不断深入，研究神经网络各个方面的应用都迅速发展。特别是MATLAB神经网络工具箱的开发，为神经网络的研究和设计提供了强有力的工具，所取得的成果已经广泛应用于神经网络的教学和科研中。 BP神经网络在实质上实现了一个从输入到输出的映射功能，数学理论证

9、明三层神经网络就能够以任意的精度逼近任何非线性连续函数。这使得其特别适合于求解内部机制很复杂的问题，也就是说BP神经网络具有较强的非线性映射能力。BP神经网络在训练时，能够通过学习自动提取输出、输出数据间的“合理规则”，并自动适应，将学习内容记忆于网络的权值中，即BP神经网络有高度自主学习和自适应的能力。BP神经网络即使在其局部的或部分的神经元受到破坏也不会对全局的训练结果造成很大的影响，也就是说即使系统在受到局部损伤时还是可以正常工作。即BP神经网络具有一定的容错能力。本文以BP神经网络为基础建，运用MATLAB工具箱来建立一个神经网络对某地区的公路运量进行预测，通过数据的对比该次的建立神经

10、网络有着很高的准确性。本文重点研究运用BP神经网络来预测公路的运量，共分四章：第一章，前言；第二章，介绍神经网络及公路运量；第三章，运用MATLAB建立模型预测公路运量；第四章，结论总结。 伍雄斌，刘 伟，郭建钢。基于神经网络的公路运输量预测模型及应用。王维国，张静静。基于BP神经网络的货运量预测方法。赵淑芝，田振中，张树山，等。基于BP 神经网络的组合预测模型及其在公路运输量预测中的应用。陈明。神经网络模型M。 胡守仁,余少波等。神经网络导论M。周志华,曹存根。神经网络及其应用。 董长虹。 MATLAB神经网络与应用。卓金武。Matlab在数学建模中的应用。张圣楠，郭文义，肖力墉。基于MAT

11、LAB的BP神经网络的设计与训练。第二章 人工神经网络及公路运量2.1人工神经网络人工神经网络（artificial neutral network，ANN）是近20年来发展起来的一门活跃的边缘性交叉学科，是一种新兴的数学建模方法，它的研究和发展涉及到神经生理科学、数理科学、信息科学以及计算机科学等众多学科领域。它是由大量的简单的基本元件神经元相互连接而成的，通过模拟人的大脑神经处理信息的方式，进行信息的并行处理和非线性转换的复杂网络系统，它实现了多输入和多输出并且能够进行数据的并行处理以及自学能力。人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物的神经系统对

12、真实世界物体所作出的交互反应，虽然单个的神经元的结构极其简单，功能有限，但由大量神经元构成的网络系统所能实现的行为却是非常丰富多彩的。神经网络可以用于分类、聚类、预测等问题。神经网络需要有一定量的历史数据，通过对历史数据的训练，网络就可以学习到数据中所隐含的知识。只要在问题中，只要能够找到某些问题的一些特征，以及对应的评价数据，并用这些数据来训练神经网络，就可以得到一个可以使用的神经网络了。它主要运用在以下领域：（1）模式识别和图像处理。印刷体和手写字符识别、语音识别、签字识别、指纹识别、人体病理分析、目标检测与识别、图像压缩和图像复制等。（2）控制和优化。化工过程控制、机器人运动控制、家电控

13、制、半导体生产中掺杂控制、石油精炼优化控制和超大规模集成电路布线设计等。（3）预报和智能信息管理。股票市场预测、地震预报、有价证券管理、借贷风险分析和交通管理。（4）通信。自适应均衡、路由选择和ATM网络中的呼叫接纳识别和控制。（5）空间科学。空间交汇对接控制、导航信息智能管理、飞行器制导和飞行程序优化管理等。常用的神经网络系统有BP网络和RBF网络。2.1.1人工神经元 生物神经元传递信息的过程：生物神经元是一个多输入、单输出单元。常用的人工神经元模型可用图2.1.1模拟。图2.1.1人工神经元（感知器）示意图当神经元j有多个输入(i=1,2,m)和单个输出时，输入和输出的关系可表示为: 其

14、中j为阈值，为从神经元i到神经元j的连接权重因子，f( )为传递函数，也称激励函数。2.2 BP网络基本原理2.2.1原理BP网络是一种多层前馈神经网络，就是在网络训练中，调整网络权值的训练算法是反向传播法（即学习算法）。 如图1.2.1所示，网络是一种具有三层或者三层以上神经元的神经网络，包括输入层、中间层（隐含层）和输出层。它的上下层之间实现全面连接，而同一层的神经元之间没有连接，输入神经元与中间神经元之间是网络的权值，其意义是两个神经元之间的神经强度。隐含层或输出层任一神经元将前一层所有神经元传来的信息进行整合，通常还会在整合过的信息中添加一个阙值，这主要是模仿生物学中神经元必须达到一定

15、的阙值才会触发的原理，然后将整合过的信息作为该层神经元输入。 图1.2.1当一对学习样本提供给输入神经元后，神经元的激活值（该层神经元输出值）从输入层通过各个中间层向输出层传播，在输出层的各个神经元获得网络的输入响应，然后按照减少网络输出与实际输出样本之间误差的方向，从输出层反向经过各个中间层回到输入层，从而逐步修正各连接权值，这种算法就称为误差反向传播法，即BP算法。这种误差逆向传播修正的反复进行，将不断提高网络对输入模式响应的正确率。BP算法的核心是数学中的“负梯度下降”理论，即它的误差调整方向总是沿着误差下降最快的方向进行，常规三层BP网络哦权值和阙值调整公式如下： 其中，E为网络输出和

16、实际输出样本之间的误差平方和；为网络的学习速率也就是权值调整幅度；为t时刻输入层第i个神经元与和中间层第j个神经元的连接权值；为t+1时刻输入层第i个神经元与和中间层第j个神经元的连接权值；为t时刻中间层第j个神经元输出层第k个神经元之间的连接权值；为t+1时刻中间层第j个神经元输出层第k个神经元之间的连接权值；B为神经元的阀值，下标的意义与权值相同。2.2.2 BP网络的主要功能目前，在人工神经网络的实际应用中。绝大部分的神经网络模型都采用BP神经网络及其变化形式。它也是前向网络的核心部分，体现了人工神经网络的精华。BP神经网络具有对外界刺激和输入信息进行联想记忆的能力。这是因为它采用了分布

17、并行的信息处理方式，对信息的提取必须采用联想的方式，才能将相关神经元全部调动起来。BP 神经网络通过预先存储信息和学习机制进行自我适应训练，可以从不完整的信息和噪声干扰中恢复原始的完整信息。这种能力使其在图像复原、语言处理、模式识别等方面具有重要应用。再次，BP神经网络对外界输入样本有很强的识别与分类能力，由于它具有强大的非线性处理能力，可以较好地进行非线性分类, 解决了神经网络发展史上的非线性分类的难题。另外，BP 神经网络具有优化计算能力。BP神经网络本质上是一个非线性优化问题, 它可以在已知的约束条件下，寻找一组参数组合，使该组合确定的目标函数达到最小。因此，BP网络主要运用在以下四个方

18、面：（1） 函数逼近：用输入向量和相应的输出向量训练一个网络以逼近一个函数。（2） 模式识别：用一个待定的输出向量将它与输入向量联系起来。（3） 分类：把输入向量所定义的合适方式进行分类。（4） 数据压缩：减少输出向量维数以便传输或存储。2.2.3 BP网络的算法BP算法是一种有监督式的学习算法，其主要思想是：输入学习样本，使用反向传播算法对网络的权值和偏差进行反复的调整训练，使输出的向量与期望向量尽可能地接近，当网络输出层的误差平方和小于指定的误差时训练完成，保存网络的权值和偏差。其计算步骤如下：(1) 权值初始化； 其中，sq为ij，jk或者kl。(2)依次输入P个学习样本。设当前输入第p

19、个样本。(3)依次计算各层的输出：，或者，j=0，1，,；k=0,1，；l=0,1，m-1(4) 求各层的反传误差： 其中，l=0,1，m-1；k=0,1，；j=0,1，。并记下各个， ， 的值。 （5）记录已学习过的样本个数p。如果pP，转步骤 (2)继续计算；如果p= P，转步骤(6)。 (6)按权值修正公式修正各层的权值或阈值。（7） 按新的权值进行第（4）步。若满足终止条件即终止，否则转到第（2）步。2.3 公路运量 运输行业的重要性随着我们经济的不断发展而快速提高，不管是旅客运输还是货物运输的发展与变化都成为国民经济发展的重要部分，交通运输是国家重要的基础产业，对国民经济的发展有着举

20、足轻重的作用，同时对区域产业经济结构的发展也有直接的影响。公路运输系统作为交通运输系统的一个子系统，在交通运输系统中的主导作用也日益凸显。近年来，我国交通基础设施和运输装备不断改善，为公路运输市场的快速发展创造了有利条件。在公路运输生产中，公路运输量是反映交通运输业生产成果的重要指标，而在其中公路运输又成为运输行业的重中之重。公路运量主要包括公路客运量和公路货运量两个方面，它主要是负责短途运输。一个地区的公路运量与该地区的人口、机动车数量、和公路网的情况有关。第三章 运用MATLAB建立模型预测公路运量3.1 MATLAB工具箱3.1.1 MATLAB工具箱的用途 MATLAB 是一种科学与工

21、程计算的高级语言，广泛地运用于包括信号与图像处理，控制系统设计，系统仿真等诸多领域。为了解决神经网络问题中的研究工作量、编程和计算工作量问题，工程领域中目前较为流行的软件MATLAB，就提供了现成的神经网络工具箱，神经网络工具箱是在MATLAB环境下开发出来的许多工具箱之一。它以人工神经网络理论为基础，利用MATLAB编程语言构造出许多典型神经网络的框架和相关的函数，这些工具箱函数主要为两大部分：一部分函数特别针对某一种类型的神经网络的，如感知器的创建函数、BP网络的训练函数等；而另外一部分函数则是通用的，几乎可以用于所有类型的神经网络，如神经网络仿真函数、初始化函数和训练函数等。这些函数的M

22、ATLAB实现，使得设计者对所选定网络进行计算的过程，就转变为对函数的调用和参数的选择，这样一来，网络设计人员可以根据自己的的需要去调用工具箱中有关的设计和训练程序，从烦琐的编程中解脱出来，集中精力解决其他问题，从而提高了工作效率。3.1.2 MATLAB神经网络工具箱函数最新版本的神经网络工具箱几乎涵盖了所有的神经网络的基本常用模型，如感知器和BP网络等。对于各种不同的网络模型，神经网络工具箱集成了多种学习算法，为用户提供了极大的方便。MATLAB R2007神经网络工具箱中包含了许多用于BP网络分析与设计的函数。BP网络的常用函数如表3.1.1所示。表3.1.1 BP网络的常用函数表函数类

23、型函数名称函数用途前向网络创建函数newcf创建级联前向网络Newff创建前向BP网络传递函数logsigS型的对数函数tansigS型的正切函数purelin纯线性函数 学习函数learngd基于梯度下降法的学习函数learngdm梯度下降动量学习函数性能函数 mse均方误差函数msereg均方误差规范化函数 显示函数plotperf绘制网络的性能plotes绘制一个单独神经元的误差曲面plotep绘制权值和阈值在误差曲面上的位置errsurf计算单个神经元的误差曲面3.2 运用BP网络建模3.2.1应用实例 根据调查得知某地区1990年到2011年的人口机动车数量，公路面积以及公路客运量和

24、货运量的数据（见附录一），需要预测2012年和2013年该地区的公路客运量和货运量。 我们可以把该问题分解为六个模块： 原始数据的输入； 数据归一化； 网络训练； 对原始数据进行仿真； 将原始数据仿真结果与样本进行对比； 对新数据进行仿真。 本次我就运用MATLAB的BP神经网络的工具箱来编程（见附录二）建立模型来解决。第四章 结论与总结4.1 结论运行3.2.2的程序可得到如下结果： anew= 1.0e+004* 0.6110 0.6162 1.5859 1.9015 也就是说2012年和2013年的公路客运量分别为 6110万人和6162万人；货运量分别为15859万吨和19015万吨。

25、 图4.1.1 从学习曲线图（图4.1.1）中，可以看出网络的最后训练的误差很小，达到了期望的值。 图4.1.2 从实际样本与网络输出值之间的训练和测试的对比图中（图4.1.2），可以看出两者之间的误差极小，可以放心利用该网络进行预测。4.2 总结 BP神经网络的运用极其广泛，并且在很多领域都很实用，在MATLAB工具箱的帮助下更显得简单快速，BP网络对于非线性的模仿能力很强，这也是它能够广泛运用的重要原因。但它也有一些缺点：用过BP网络的恩都会认识到一个问题，那就是BP网络的收敛速度是很慢的；它的网络模型的逼近和推广能力与学习样本的典型性密切相关，所以从问题中选取典型样本实例组成训练集就是很

26、重要的，但这本身又是一个很困难的问题。参考文献1. 陈明。神经网络模型M。大连:大连理工大学出版社,2002。2. 张乃尧,阎平凡。神经网络与模糊控制M。北京:清华大学出版社,1998:7-28。3. 周开利,康耀红。神经网络模型及其MATLAB仿真程序设计M。北京:清华大学出版社,2002。4. 戴葵。神经网络实现技术M。长沙:国防科技大学出版社,1999:33-46。5. 胡守仁,余少波等。神经网络导论M。长沙:国防科技大学出版社,2003。6. 周志华,曹存根。神经网络及其应用M。北京：清华大学出版社,2000。7. 蒋良孝,李超群。基于BP神经网络的函数逼近方法及其Matlab实现J。

27、微型机与应用,2004,1:52-54。8. 兰倩,李骏。神经网络的函数逼近性分析J。甘肃科学学报,2005,1。9. Barnsley M F. Fractal functions and interpolationJ. Constry Approx,2003, 2(3): 303-32910. 卓金武。Matlab在数学建模中的应用。北京航空航天大学出版社，2011.4。11. 赵淑芝，田振中，张树山，等。基于BP 神经网络的组合预测模型及其在公路运输量预测中的应用J。交通运输系统工程与信息，2006，6（4）：108 - 112 。 12. 李晓慧。基于MATLAB的BP和经网络响应用。

28、苏州大学物理科学与技术学院。13. 董长虹。 MATLAB神经网络与应用M。北京： 国防工业出版社，2007，64-104。14. 王维国，张静静。基于BP神经网络的货运量预测方法期刊论文-物流技术，2005(07)。 15. 韩力群。人工神经网络理论、设计及应用，2002。 16. 温岩，乔兵。基于MATLAB工具箱的神经网络在地震预报中的应用J。东北地震研究，2001。17. 张圣楠，郭文义，肖力墉。基于MATLAB的BP神经网络的设计与训练I。内蒙古科技与经济，2005，4(17)：9598。18. 飞思科技产品研发中心。神经网络理论与MATLAB7 实现。北京:电子工业出版社，2005

29、。19. 伍雄斌，刘 伟，郭建钢。基于神经网络的公路运输量预测模型及应用。福建农林大学学报（自然科学版），第36卷第1期，2007年1月。致 谢 时间如梭，转眼毕业在即。回想在大学求学的四年，心中充满无限感激和留恋之情，母校为我们提供的良好学习环境，使我们能够在此专心学习，陶冶情操。经过两个多月的时间终于把论文完成了，在这其中难免有很多的辛酸和不少的喜悦。本次论文是在高媛媛老师的细心和耐心指导下完成的。从选题到整个论文的写作到完成都是在高老师的指导下进行的，她在百忙中抽初时间来给我们辅导、指导，并给我们耐心地讲解我们不懂的地方，倾注了不少的心血在我们的身上。在此，谨向高老师表示崇高的敬意和衷心

30、的感谢。感谢我们一起完成论文的同学，我们一起互相帮助，才能解决一个又一个的难题。感谢学校给我们提供了一个良好的学习环境，让我们学了一些武装自己的本领。此外还要感谢其它的老师和同学的关心和帮助，没有他们我也不会这么顺利的完成这次毕业论文。最后，再次感谢所有关心和帮助过我的老师、同学和朋友，感谢你们的真诚帮助和热情的关心。附 录附录一:某地区公路运量数据表年份人口数量/万人机动车数量/万辆公路面积/万平方千米公路客运量/万人公路货运量/万吨199020.510.50.1151231235199120.610.520.1251361248199221.030.590.1551891365199321

31、.350.610.1752141375199422.320.650.1852681391199522.530.690.2153213425199622.780.720.2553785241199723.580.760.2654315613199823.980.820.2854686243199924.120.980.3155116821200024.251.610.3155437531200124.561.920.3555767891200224.682.310.3755988012200324.992.650.3956458645200425.212.980.4256678962200525

32、.463.240.4858219056200626.013.650.4858249786200726.323.850.51586310025200826.454.110.53592410068200927.254.250.56598511230201027.574.360.58603513450201128.584.780.59607513961201228.734.950.62201328.855.120.67附录二：程序clcclearsqrs=20.51 20.61 21.03 21.35 22.32 22.53 22.78 23.58 23.98 24.12 24.25 24.56 2

33、4.68 24.99 25.21 25.46 26.01 26.32 26.45 27.25 27.57 28.58;%人数（单位：万人）sqjdcs=0.50 0.52 0.59 0.61 0.65 0.69 0.72 0.76 0.82 0.98 1.61 1.92 2.31 2.65 2.98 3.24 3.65 3.85 4.11 4.25 4.36 4.78;%机动车数（单位：万辆）sqglmj=0.11 0.12 0.15 0.17 0.18 0.21 0.25 0.26 0.28 0.31 0.31 0.35 0.37 0.39 0.42 0.48 0.48 0.51 0.53

34、0.56 0.58 0.59;%公路面积（单位：万平方千米）glkyl=5123 5136 5189 5214 5268 5321 5378 5431 5468 5511 5543 5576 5598 5645 5667 5821 5824 5863 5924 5985 6035 6075;%公路客运量（单位：万人）glhyl=1235 1248 1365 1375 1391 3425 5241 5613 6243 6821 7531 7891 8012 8645 8962 9056 9786 10025 10068 11230 13450 13961;%公路货运量（单位：万吨）p=sqrs;

35、sqjdcs;sqglmj;t=glkyl;glhyl;pn,minp,maxp,tn,mint,maxt=premnmx(p,t);dx=-1,1;-1,1;-1,1;net=newff(dx,3,7,2,tansig,tansig,purelin,traingdx);net.trainParam.show=1000;net.trainParam.Lr=0.05;net.trainparam.epochs=50000;net.trainparam.goal=0.65*10(-3);net=train(net,pn,tn);an=sim(net,pn);a=postmnmx(an,mint,m

36、axt);x=1990:2011;newk=a(1,:);newh=a(2,:);figure (2);subplot(2,1,1);plot(x,newk,ro,x,glkyl,b+);legend(网络输出客运量,实际客运量);xlabel(年份);ylabel(客运量/万人);title(运用工具箱客运量学习和测试对比图);subplot(2,1,2);plot(x,newh,ro,x,glhyl,b+);legend(网络输出货运量,实际货运量);xlabel(年份);ylabel(货运量/万吨);title(运用工具箱学习和测试对比图);pnew=28.73 28.85 4.950

37、5.120 0.620 0.670;pnewn=tramnmx(pnew,minp,maxp);anewn=sim(net,pnewn);anew=postmnmx(anewn,mint,maxt)文献综述 交通运输是国家重要的基础产业，对国民经济的发展有着举足轻重的作用，同时对区域产业经济结构的发展也有直接的影响。公路运输系统作为交通运输系统的一个子系统，在交通运输系统中的主导作用也日益凸显。近年来，我国交通基础设施和运输装备不断改善，为公路运输市场的快速发展创造了有利条件。在公路运输生产中，公路运输量是反映交通运输业生产成果的重要指标，随着计算机技术和神经网络技术的日趋成熟，许多学者应用神

38、经网络技术对货运量进行预测，一些学者应用神经网络技术建立的公路货运量组合预测模型具有较高的预测精度。反映公路产量的指标还有客货周转量，它更能综合反映公路运输部门为社会提供运输服务的能力，所以建立一个较好预测系统对公路网规划、建设和管理更具有指导意义。人工神经网络(Artificial Neural Networks)理论是近年来发展起来的模拟人脑生物过程的人工智能技术，是在模拟人脑神经组织的基础上发展起来的计算系统，是由大量处理单元通过广泛互联而构成的网络体系，它具有生物神经系统的基本特征，在一定程度上反映了人脑功能的若干反映，是对生物系统的某种模拟。适合于因果关系复杂的非确定性推理、判断、识

39、别和分类等问题。它在模式识别、计算机视觉、信号处理、非线性优化、语音识别、声纳识别、传感技术与机器人、生物医学工程等领域有着广泛的应用。随着神经网络理论研究和实际应用的不断深入，研究神经网络的个方面的应用迅速发展。特别是MATLAB神经网络工具箱函数，为神经网络的研究和设计提供了强有力的工具，所取得的成果已经广泛应用于神经网络的教学、科研中。 BP神经网络实质上实现了一个从输入到输出的映射功能，数学理论证明三层的神经网络就能够以任意精度逼近任何非线性连续函数。这使得其特别适合于求解内部机制复杂的问题，即BP神经网络具有较强的非线性映射能力。BP神经网络在训练时，能够通过学习自动提取输出、输出数

40、据间的“合理规则”，并自适应的将学习内容记忆于网络的权值中。即BP神经网络具有高度自学习和自适应的能力。BP神经网络在其局部的或者部分的神经元受到破坏后对全局的训练结果不会造成很大的影响，也就是说即使系统在受到局部损伤时还是可以正常工作的。即BP神经网络具有一定的容错能力。本文以BP神经网络为基础建，运用MATLAB工具箱来建立一个神经网络对某地区的公路运量进行预测，通过数据的对比该次的建立神经网络有着很高的准确性。参考文献：1. 陈明。神经网络模型M。大连:大连理工大学出版社,2002。2. 张乃尧,阎平凡。神经网络与模糊控制M。北京:清华大学出版社,1998:7-28。3. 周开利,康耀红

41、。神经网络模型及其MATLAB仿真程序设计M。北京:清华大学出版社,2002。4. 戴葵。神经网络实现技术M。长沙:国防科技大学出版社,1999:33-46。5. 胡守仁,余少波等。神经网络导论M。长沙:国防科技大学出版社,2003。6. 周志华,曹存根。神经网络及其应用M。北京：清华大学出版社,2000。7. 蒋良孝,李超群。基于BP神经网络的函数逼近方法及其Matlab实现J。微型机与应用,2004,1:52-54。8. 兰倩,李骏。神经网络的函数逼近性分析J。甘肃科学学报,2005,1。9. Barnsley M F. Fractal functions and interpolatio

42、nJ. Constry Approx,2003, 2(3): 303-32910. 卓金武。Matlab在数学建模中的应用。北京航空航天大学出版社，2011.4。11. 赵淑芝，田振中，张树山，等。基于BP 神经网络的组合预测模型及其在公路运输量预测中的应用J。交通运输系统工程与信息，2006，6（4）：108 - 112 。 12. 李晓慧。基于MATLAB的BP和经网络响应用。苏州大学物理科学与技术学院。13. 董长虹。 MATLAB神经网络与应用M。北京： 国防工业出版社，2007，64-104。14. 王维国，张静静。基于BP神经网络的货运量预测方法期刊论文-物流技术，2005(07)。 15. 韩力群。人工神经网络理论、设计及应用，2002。 16. 温岩，乔兵。基于MATLAB工具箱的神经网络在地震预报中的应用J。东北地震研究，2001。17. 张圣楠，郭文义，肖力墉。基于MATLAB的BP神经网络的设计与训练I。内蒙古科技与经济，2005，4(17)：9598。18. 飞思科技产品研发中心。神经网络理论与MATLAB7 实现。北京:电子工业出版社，2005。19. 伍雄斌，刘 伟，郭建钢。基于神经网络的公路运输量预测模型及应用。福建农林大学学报（自然科学版），第36卷第1期，2007年1月。