基于遗传算法的我国汽车保有量预测.pdfVIP

文章编号： （ ） l000 - 9779 2005 02 - 0079 - 05 基于遗传 算法的我国汽车保有量预测 ! 程赐胜，苏玲利 （长沙理工大学交通运输学院，湖南长沙 4l0076 ） 摘 要：在对我国中长期汽车保有量预测时，针对传统BP 算法的不足，采用遗传算法优化 算法的连接权值，使优化后的 网络的训练速度和预测精度得到了有效提高，说明该方 BP BP 法具有较好的实用性和推广价值。 关键词：汽车保有量； 网络；遗传算法；预测 BP 中图分类号： + ； 文献标识码： U49l . l 4 TPl83 A 随着经济的迅速发展，我国汽车保有量迅速增加。由于汽车工业是国民经济的支柱产业，因此做好 我国汽车保有量的预测，对制定我国汽车工业发展的政策，对我国公路交通事业的规划以及环保与综合 交通运输方面相关政策的制定能提供更多的信息。对汽车保有量的预测问题，有关专家应用灰色理论， 以我国历年汽车产量为依据，经过累加生成时间序列，用微分方程拟合建立了我国汽车保有量的预测模 型。但该预测模型没有考虑影响汽车产业的各因素，仅作为一般时间序列问题来建模，因而其精确度并 不令人满意，尤其是对我国中长期汽车保有量的预测有较大误差。近年来，有关专家利用BP 网络对我 国汽车保有量进行预测，取得了满意的效果。但是由于 网络的学习速度慢，易于陷入局部收敛，因 BP 此利用BP 网络的预测仍有许多不尽如人意的地方。 遗传算法是一种非线性全局优化方法。将遗传算法与 网络结合起来，可以兼得神经网络广泛 BP 映射能力和遗传算法快速、全局收敛及增强学习能力等性能。本文在对我国汽车保有量的预测过程中， 将遗传算法与 网络相结合，利用遗传算法对 网络模型的连接权值进行优化，不但提高了 网络 BP BP BP 的训练速度，而且在一定程度上克服了网络易陷入局部极小值的缺点。同时通过运用遗传BP 算法对 我国2005 年和20l0 年汽车保有量进行预测，证明该方法在对汽车保有量的预测中是可行的。 网络的结构概述 # ! BP 网络是一个前向三层（输入层、隐层和输出层）的神经 网络，其结构如图l 所示。网络除输入输出节点外，还有一层 或多层的隐层节点，同层节点中没有任何耦合。 网络的学 BP 习过程是由正向传播和误差反向传播所组成。在正向传播过 程中，输入信息经隐层单元逐层处理并传向输出层，每一层神 经元的状态只影响下一层神经元的状态。如果在输出层不能 得到所期望的输出，则计算输出层的误差变化值，然后转入反 向传播过程，将实际值与网络输出之间的误差沿原来的连接 图l BP 网络结构 通路返回，通过修改各层神经元的联接权值使误差减少，然后 ［，］ 再转入正向传播过程。如此反复计算，直至误差小于设定值为止l 2 。 由于BP 算法主要根据经验和反复试验确定网络参数，不仅使反向传播算法训练时间较长，工作效 收稿日期： 2004 - ll - 05 作者简介：程赐胜（l953—），男，长沙理工大学副教授. 长 沙 交 通 学 院 学 报 第 卷 80