神经网络模型 - BP和RBF神经网络模型用于解决实际问题 - （Matlab建模）

目录

神经网络模型简述

实例：交通运输能力预测设计

MATLAB程序及仿真结果

由于

常用的货运量预测技术主要包括以下几种：时间序列分析、移动平均法、指数平滑技术以及随机时间序列分析等多种技术。这些传统技术主要聚焦于因变量-自变量回归关系以及时间序列模式的研究，在这种研究框架下构建起来的各种模型往往难以全面刻画所预测动态数据的真实内在结构及其复杂特性，并因此导致有效信息被遗漏。人工神经网络作为一种并行计算架构，在传统系统建模方式的基础上展现出诸多优势特点：它拥有良好的非线性映射能力；所需先验知识有限；无需事前掌握特定参数及行为特征等关键信息；只需提供输入与输出的数据便能完成建模任务。对于货运量预测问题而言，则可采用BP神经网络及RBF网络进行建模

神经网络模型简述

BP神经网络是一种基于反向传播算法进行训练的多层前馈型神经网络系统，在其设计中通常会采用sigmoid函数作为激励单元激活函数。在结构上，则由输入层、中间隐含层和输出层组成；而从本质上讲，则是旨在最小化网络误差平方的目标，并利用梯度下降方法求解目标函数的最优参数配置。

径向基神经网络（RBF神经网络）是一种性能卓越的前馈神经网络；其激励函数通常是高斯函数；该体系在连续函数空间中可以实现任意精度的逼近；并且展现出全局逼近能力；这种体系结构的优势在于能够有效规避局部极小