《基于BP神經(jīng)網(wǎng)絡(luò)的租車(chē)需求預(yù)測(cè)研究》由會(huì)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(chē)需求預(yù)測(cè)研究（2頁(yè)珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

1、基于BP神經(jīng)網(wǎng)絡(luò)的租車(chē)需求預(yù)測(cè)研究 摘要：汽車(chē)租賃需求預(yù)測(cè)結(jié)果的準(zhǔn)確性直接影響到企業(yè)的收益。為了提高預(yù)測(cè)結(jié)果的精度，通過(guò)提出BP神經(jīng)網(wǎng)絡(luò)模型，依托于其強(qiáng)大的功能，對(duì)汽車(chē)租賃的需求進(jìn)行預(yù)測(cè)。最后通過(guò)數(shù)值算例驗(yàn)證了BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法的有效性和實(shí)用性。 關(guān)鍵字：汽車(chē)租賃；需求預(yù)測(cè)；BP神經(jīng)網(wǎng)絡(luò) 引言：汽車(chē)租賃作為新興產(chǎn)業(yè)，從無(wú)到有，經(jīng)歷了十多年的開(kāi)展，市場(chǎng)日趨成熟。他是一種新型交通運(yùn)輸效勞業(yè)態(tài)，是綜合運(yùn)輸體系的重要組成局部。隨著汽車(chē)租賃的快速開(kāi)展，需求預(yù)測(cè)的重要性就越來(lái)越重要。而汽車(chē)租賃的需求預(yù)測(cè)應(yīng)該是調(diào)查分析租車(chē)市場(chǎng)的根底上，運(yùn)用科學(xué)的預(yù)測(cè)方法，對(duì)未來(lái)的需求及其變化規(guī)律做出準(zhǔn)確的預(yù)測(cè)，才

2、能準(zhǔn)確把握行業(yè)開(kāi)展趨勢(shì)，使企業(yè)制定精準(zhǔn)的策略。同樣的，新汽車(chē)的購(gòu)進(jìn)、租賃車(chē)輛的定價(jià)、租賃站點(diǎn)的擴(kuò)建等都要依托于精確的需求數(shù)據(jù)。但由于汽車(chē)租賃的需求經(jīng)常受到經(jīng)濟(jì)開(kāi)展水平、國(guó)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(shí)間序列法等一系列單一預(yù)測(cè)方法具有一定的局限性。一般來(lái)說(shuō)，對(duì)于平穩(wěn)時(shí)間序列或非平穩(wěn)的只有趨勢(shì)性的時(shí)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(jìn)行預(yù)測(cè)比較有效，但對(duì)于既有季節(jié)又有趨勢(shì)的時(shí)間序列上述方法根本上是無(wú)效的【1】。神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性逼近性能及良好的自適應(yīng)、聯(lián)想等功能，對(duì)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(lì)行為的并行非線性系統(tǒng)，已成功地應(yīng)用于信號(hào)分析、模式識(shí)別、圖像處理、自動(dòng)控制等領(lǐng)域【3】。它主要是模仿人類(lèi)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(lèi)大腦神經(jīng)系統(tǒng)的諸多優(yōu)點(diǎn)：有較強(qiáng)的并行處理能力；有較強(qiáng)的非線性處理能力；較強(qiáng)的容錯(cuò)與記憶聯(lián)想能力；以及較強(qiáng)的自適應(yīng)與自學(xué)習(xí)能力【4】。人工神經(jīng)網(wǎng)絡(luò)根據(jù)學(xué)習(xí)方式的不同可分為有導(dǎo)師學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)和無(wú)導(dǎo)師學(xué)習(xí)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(jiǎn)單、可塑性強(qiáng)，特別的它的數(shù)學(xué)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(guò)賦予權(quán)值的連接進(jìn)行信號(hào)傳遞。其根本原理是網(wǎng)絡(luò)學(xué)習(xí)、訓(xùn)練是由兩個(gè)相反方向的過(guò)程構(gòu)成，即信號(hào)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(cè)模型，利用四個(gè)周期的需求量，對(duì)第五個(gè)周期的需求數(shù)據(jù)進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果見(jiàn)表2. 由表2可知，基于BP神經(jīng)網(wǎng)絡(luò)的租車(chē)需求預(yù)測(cè)結(jié)果的最大相對(duì)誤差為8.75%，最小相對(duì)誤差為2.86%，說(shuō)明文中提出的

5、基于BP神經(jīng)網(wǎng)絡(luò)對(duì)于汽車(chē)租賃的需求預(yù)測(cè)有很好的應(yīng)用性，而且，預(yù)測(cè)精度也有一定的保障。 結(jié)論：汽車(chē)租賃需求預(yù)測(cè)是汽車(chē)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(xiàn)的根底上，利用BP神經(jīng)網(wǎng)絡(luò)模型對(duì)汽車(chē)租賃的需求預(yù)測(cè)進(jìn)行了探討，該模型非常適合預(yù)測(cè)汽車(chē)租賃需求這具有明顯趨勢(shì)以及季節(jié)性的數(shù)據(jù)。最后通過(guò)數(shù)值算例，通過(guò)前四個(gè)周期的需求數(shù)據(jù)對(duì)第五周期的需求量進(jìn)行了預(yù)測(cè)，驗(yàn)證了該預(yù)測(cè)方法的可行性，可以為汽車(chē)租賃企業(yè)提供一定的決策依據(jù)。 參考文獻(xiàn) 比較研究[J].中南大學(xué)學(xué)報(bào)，2000，16〔2〕：70-73. 【2】凌浩，陳峻，王煒.用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)下游交叉口進(jìn)口交通量[J].交通標(biāo)準(zhǔn)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(yùn)量組合預(yù)測(cè)[J].蘭州交通大學(xué)學(xué)報(bào)，2021，29〔4〕 方法中的神經(jīng)網(wǎng)絡(luò)模型[J].預(yù)測(cè)，1998，12〔2〕：32-35