基于BP神經(jīng)網(wǎng)絡(luò)的租車需求預(yù)測研究

《基于BP神經(jīng)網(wǎng)絡(luò)的租車需求預(yù)測研究》由會員分享，可在線閱讀，更多相關(guān)《基于BP神經(jīng)網(wǎng)絡(luò)的租車需求預(yù)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(luò)的租車需求預(yù)測研究 摘要：汽車租賃需求預(yù)測結(jié)果的準確性直接影響到企業(yè)的收益。為了提高預(yù)測結(jié)果的精度，通過提出BP神經(jīng)網(wǎng)絡(luò)模型，依托于其強大的功能，對汽車租賃的需求進行預(yù)測。最后通過數(shù)值算例驗證了BP神經(jīng)網(wǎng)絡(luò)預(yù)測方法的有效性和實用性。 關(guān)鍵字：汽車租賃；需求預(yù)測；BP神經(jīng)網(wǎng)絡(luò) 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(yù)測的重要性就越來越重要。而汽車租賃的需求預(yù)測應(yīng)該是調(diào)查分析租車市場的根底上，運用科學的預(yù)測方法，對未來的需求及其變化規(guī)律做出準確的預(yù)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(jié)構(gòu)等復(fù)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(yù)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(yù)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(luò)具有很強的非線性逼近性能及良好的自適應(yīng)、聯(lián)想等功能，對于復(fù)雜因素影響有很好的解決效果【2】。 1神經(jīng)網(wǎng)絡(luò)根本原理 人工神經(jīng)網(wǎng)絡(luò)〔ANN〕模型是

3、模擬人腦結(jié)構(gòu)和鼓勵行為的并行非線性系統(tǒng)，已成功地應(yīng)用于信號分析、模式識別、圖像處理、自動控制等領(lǐng)域【3】。它主要是模仿人類大腦的神經(jīng)系統(tǒng)，模型的構(gòu)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(luò)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(yīng)與自學習能力【4】。人工神經(jīng)網(wǎng)絡(luò)根據(jù)學習方式的不同可分為有導師學習神經(jīng)網(wǎng)絡(luò)和無導師學習神經(jīng)網(wǎng)絡(luò)。具有代表性的有RBF神經(jīng)網(wǎng)絡(luò)、Hopfield神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)。由于BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡單、可塑性強，特別的它的數(shù)學意義明確、結(jié)構(gòu)算法清楚，所以BP神經(jīng)網(wǎng)絡(luò)得

4、到廣泛的應(yīng)用。 2BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) BP神經(jīng)網(wǎng)絡(luò)〔BackPropagationNetwork，反向傳播網(wǎng)絡(luò)〕是一種多層前饋型人工神經(jīng)網(wǎng)絡(luò)，其網(wǎng)絡(luò)結(jié)構(gòu)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(quán)值的連接進行信號傳遞。其根本原理是網(wǎng)絡(luò)學習、訓練是由兩個相反方向的過程構(gòu)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(luò)預(yù)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(yù)測，預(yù)測結(jié)果見表2. 由表2可知，基于BP神經(jīng)網(wǎng)絡(luò)的租車需求預(yù)測結(jié)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(luò)對于汽車租賃的需求預(yù)測有很好的應(yīng)用性，而且，預(yù)測精度也有一定的保障。 結(jié)論：汽車租賃需求預(yù)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(guān)文獻的根底上，利用BP神經(jīng)網(wǎng)絡(luò)模型對汽車租賃的需求預(yù)測進行了探討，該模型非常適合預(yù)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(yù)測，驗證了該預(yù)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(luò)預(yù)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(luò)與Holt-Winters模型的鐵路貨運量組合預(yù)測[J].蘭州交通大學學報，2021，29〔4〕 方法中的神經(jīng)網(wǎng)絡(luò)模型[J].預(yù)測，1998，12〔2〕：32-35