基于数据挖掘的前向型神经网络在交通流时序预测中的应用

《基于数据挖掘的前向型神经网络在交通流时序预测中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、东南大学硕士学位论文基于数据挖掘的前向型神经网络在交通流时序预测中的应用姓名：林钢申请学位级别：硕士专业：系统工程指导教师：陈森发20040101基于数据挖掘的前向型神经网络在交通流时序预测中的应用研究生：林钢导师：陈森发教授东南大学摘要目前，数据挖掘这个名词是一个非常热门的话题，无论在科研领域还是在应用领域，数据挖掘的都代表着一种时尚。数据挖掘之所以这么炙手可热，首先得益于它能够给我们带来实在的价值，而且这种价值的得来也并不是那么的困难。其次数据挖掘在各个领域内的发展也并不平衡，关于数据挖掘，有些领域的研究非常少；有些领域内的研究比较多，但是与应用的联系不紧密

2、；而且在为数不少的领域内，数据挖掘的应用研究甚至走在了学术研究的前面。由此种种原因，使得数据挖掘在各个领域内都有很大的发展空间，理论与实践创新相对比较容易。当一种新技术既具有很大的使用价值，又比较容易发展的时候，它的快速繁荣也就非常可以理解了。随着数据挖掘在各个领域内的展开，各种数据挖掘技术开始向深层次发展，其中比较有特色的新数据挖掘技术就是神经网络技术。神经网络技术是一种起源于仿生的技术，神经网络的构建目前尚未有比较成熟的理论来指导，一般只是用试探寻优的方法来实现，但是关于神经网络的学习训练则有比较成熟的理论指导。在本文讨论的前向型神经网络中最为典型的就是BP

3、算法，目前关于对BP算法的改进研究也比较流行。随着计算机技术的发展，人们只需要几个函数几行代码就可以应用先进的神经网络技术，而不用去理解详细的神经网络原理，这使人们能够省下很多时间，把更多的精力放在对所要解决问题的研究上。因此神经网络的应用也得到了很大的普及。在解决交通领域内的问题时，神经网络具有得天独厚的先天优势，其中最为重要的就是神经网络可以很好的解决交通领域内的非线性问题，其中前向型神经网络特别适合对交通流的预测。随着人们对智能交通体系的要求提上日程，随着神经网络在训练速度和预测精度等方面不断的提高，把神经网络用于建设智能交通体系成为了一种非常明智的选择。

4、为此，本文针对问题的现状与趋势，在总结他人成果的基础上，开拓创新，做了以下几方面的工作：1．在总结数据挖掘发展的基础上，对数据挖掘的概念、任务、方法进行了全面，细致而又带有创造性的总结，并且对数据挖掘的发展趋势进行了有充分依据的预测；2．对神经网络技术进行了全面系统的总结，并着重总结了用于前向神经网络的BP算法的实现与改进，提出了自己对改进的看法和建议，并在此基础上讨论了一种广义神经网络的构建问题：3．对数据挖掘、神经网络与交通流预测的关系进行的多方面的说明，使文章脉络更加清晰；4．通过预测仿真试验，讨论了前向型神经网络的设计对战略交通流时序预测效果的影响，并提

5、出了对网络设计的建议：5．对BP算法提出了分四步走的全面智能改进方法，并把这种方法应用于对战略交通流的动叁时序预测，通过仿真证明了这种改进的优异效果：6．提出了一种新型的用正弦余弦函数组构建的广义神经网络，并把它用于短期交通流的动态时序预测中，通过仿真证明了这种广义神经网络的先进性。关键词：数据挖掘；前向型神经网络；交通流；预测IITHEAPPLICATIoNoFFORWARDNEURALNETWoRKBASEDoNDATAMININGFoRTIMESERIALPREDICTIoNoFTRAFFICFLoWGraduate：LinGangSupervisor：C

6、HENSen—faSoutheastUniversityABSTRACTRecently，DataMiningisbecomingahottopic．Itrepresentsakindofvoguewhateverinscienceandresearchfieldorinapplicationfield．WhydoesDataMiningSOpopular?Firstofall，itisthatitCanbringUSvirtualvalue，anditisnotSOhardtogetthevalue．Secondly,thedevelopmentofDataM

7、iningisnotevenineveryfield．Insomefields，thereislittleresearchaboutDataMining．Insomeotherfields，thereismuchresearch，buttheresearchisnotrelatestoapplicationproperly．Thereisalsosomefield，wheretheapplicationresearchismoreadvancethantheacademicresearch．Becauseofallthesekindsoffacts，therei

8、smuchmoredev