《基于BP神經(jīng)網(wǎng)絡的租車需求預測研究》由會員分享,可在線閱讀,更多相關《基于BP神經(jīng)網(wǎng)絡的租車需求預測研究(2頁珍藏版)》請在裝配圖網(wǎng)上搜索。
1、基于BP神經(jīng)網(wǎng)絡的租車需求預測研究
摘要:汽車租賃需求預測結果的準確性直接影響到企業(yè)的收益。為了提高預測結果的精度,通過提出BP神經(jīng)網(wǎng)絡模型,依托于其強大的功能,對汽車租賃的需求進行預測。最后通過數(shù)值算例驗證了BP神經(jīng)網(wǎng)絡預測方法的有效性和實用性。
關鍵字:汽車租賃;需求預測;BP神經(jīng)網(wǎng)絡
引言:汽車租賃作為新興產(chǎn)業(yè),從無到有,經(jīng)歷了十多年的開展,市場日趨成熟。他是一種新型交通運輸效勞業(yè)態(tài),是綜合運輸體系的重要組成局部。隨著汽車租賃的快速開展,需求預測的重要性就越來越重要。而汽車租賃的需求預測應該是調(diào)查分析租車市場的根底上,運用科學的預測方法,對未來的需求及其變化規(guī)律做出準確的預測,才
2、能準確把握行業(yè)開展趨勢,使企業(yè)制定精準的策略。同樣的,新汽車的購進、租賃車輛的定價、租賃站點的擴建等都要依托于精確的需求數(shù)據(jù)。但由于汽車租賃的需求經(jīng)常受到經(jīng)濟開展水平、國家政策、產(chǎn)業(yè)結構等復雜因素的影響,致使回歸分析法、時間序列法等一系列單一預測方法具有一定的局限性。一般來說,對于平穩(wěn)時間序列或非平穩(wěn)的只有趨勢性的時間序列分別采用單參數(shù)指數(shù)、線性或曲線指數(shù)平滑模型進行預測比較有效,但對于既有季節(jié)又有趨勢的時間序列上述方法根本上是無效的【1】。神經(jīng)網(wǎng)絡具有很強的非線性逼近性能及良好的自適應、聯(lián)想等功能,對于復雜因素影響有很好的解決效果【2】。
1神經(jīng)網(wǎng)絡根本原理
人工神經(jīng)網(wǎng)絡〔ANN〕模型是
3、模擬人腦結構和鼓勵行為的并行非線性系統(tǒng),已成功地應用于信號分析、模式識別、圖像處理、自動控制等領域【3】。它主要是模仿人類大腦的神經(jīng)系統(tǒng),模型的構建是由大量的神經(jīng)元組成,通常包含三層:輸入層、輸出層和隱含層。人工神經(jīng)網(wǎng)絡吸收了人類大腦神經(jīng)系統(tǒng)的諸多優(yōu)點:有較強的并行處理能力;有較強的非線性處理能力;較強的容錯與記憶聯(lián)想能力;以及較強的自適應與自學習能力【4】。人工神經(jīng)網(wǎng)絡根據(jù)學習方式的不同可分為有導師學習神經(jīng)網(wǎng)絡和無導師學習神經(jīng)網(wǎng)絡。具有代表性的有RBF神經(jīng)網(wǎng)絡、Hopfield神經(jīng)網(wǎng)絡、BP神經(jīng)網(wǎng)絡。由于BP神經(jīng)網(wǎng)絡結構簡單、可塑性強,特別的它的數(shù)學意義明確、結構算法清楚,所以BP神經(jīng)網(wǎng)絡得
4、到廣泛的應用。
2BP神經(jīng)網(wǎng)絡結構
BP神經(jīng)網(wǎng)絡〔BackPropagationNetwork,反向傳播網(wǎng)絡〕是一種多層前饋型人工神經(jīng)網(wǎng)絡,其網(wǎng)絡結構通常包含輸出層、輸入層和隱含層。各層神經(jīng)元與下一層所有的神經(jīng)元通過賦予權值的連接進行信號傳遞。其根本原理是網(wǎng)絡學習、訓練是由兩個相反方向的過程構成,即信號正向傳遞和誤差反向傳播【5】。
利用Matlab軟件,采用本文建立的BP神經(jīng)網(wǎng)絡預測模型,利用四個周期的需求量,對第五個周期的需求數(shù)據(jù)進行預測,預測結果見表2.
由表2可知,基于BP神經(jīng)網(wǎng)絡的租車需求預測結果的最大相對誤差為8.75%,最小相對誤差為2.86%,說明文中提出的
5、基于BP神經(jīng)網(wǎng)絡對于汽車租賃的需求預測有很好的應用性,而且,預測精度也有一定的保障。
結論:汽車租賃需求預測是汽車租賃企業(yè)制定后續(xù)決策的重要根底和主要依據(jù)。本文在相關文獻的根底上,利用BP神經(jīng)網(wǎng)絡模型對汽車租賃的需求預測進行了探討,該模型非常適合預測汽車租賃需求這具有明顯趨勢以及季節(jié)性的數(shù)據(jù)。最后通過數(shù)值算例,通過前四個周期的需求數(shù)據(jù)對第五周期的需求量進行了預測,驗證了該預測方法的可行性,可以為汽車租賃企業(yè)提供一定的決策依據(jù)。
參考文獻
比較研究[J].中南大學學報,2000,16〔2〕:70-73.
【2】凌浩,陳峻,王煒.用BP神經(jīng)網(wǎng)絡預測下游交叉口進口交通量[J].交通標準化,2021〔1〕:38-40.
【3】王慶榮.基于神經(jīng)網(wǎng)絡與Holt-Winters模型的鐵路貨運量組合預測[J].蘭州交通大學學報,2021,29〔4〕
方法中的神經(jīng)網(wǎng)絡模型[J].預測,1998,12〔2〕:32-35