基于粒子群優(yōu)化算法與BP神經(jīng)網(wǎng)絡(luò)的高鐵客運量預(yù)測算法＊

崔乃丹

(陜西鐵路工程職業(yè)技術(shù)學(xué)院，陜西渭南 714000)

1 引言

預(yù)測高鐵客運量是合理調(diào)用列車資源、提高運行效率的一項必要手段，對于高鐵項目建設(shè)的經(jīng)濟評估、經(jīng)營管理策略的制定以及鐵路內(nèi)部投資結(jié)構(gòu)調(diào)整都有著不可替代的重要作用[1-2]。在以往的研究中，郎志峰通過BP神經(jīng)網(wǎng)絡(luò)算法建立了IOWA組合預(yù)測模型，并對寶中鐵路平?jīng)瞿现林行l(wèi)段擴能改造運量做出了較為精準(zhǔn)的預(yù)測，但該算法仍然存在收斂速度慢、易陷入局部極小值等問題[3]。因此，本次研究基于粒子群優(yōu)化算法與BP 神經(jīng)網(wǎng)絡(luò)同時應(yīng)用于高鐵客運量預(yù)測，進一步縮小預(yù)測誤差。

2 粒子群優(yōu)化算法的基本原理

在粒子群優(yōu)化算法中，每一個粒子都對應(yīng)一個待優(yōu)化問題的可能解，同時具有決定其飛行方向和移動距離的“速度”以及一個由目標(biāo)函數(shù)所確定的適應(yīng)度值。處于搜索空間中的粒子根據(jù)個體及群體飛行經(jīng)驗來對最優(yōu)粒子所在位置進行搜尋，并通過多次迭代的方式來尋找最優(yōu)解。粒子的個體飛行經(jīng)驗和群體飛行經(jīng)驗分別是由個體極值pbest和全局極值gbest決定的，粒子在對個體極值和全局極值進行追蹤的過程中實現(xiàn)對自身的更新，最終獲取最優(yōu)解[4-6]。

假設(shè)在包含有m 個粒子的目標(biāo)搜索空間N中，以zi=(zi1，zi2，…，ziN)來表示第i個粒子的當(dāng)前位置，以vi=(vi1，vi2，…，viN)來表示第i個粒子的當(dāng)前速度，根據(jù)當(dāng)前粒子的位置和速度可以確定粒子當(dāng)前的適應(yīng)度。以pi=(pi1，pi2，…，piN)表示第i個粒子所經(jīng)歷的最佳位置，以pg=(pg1，pg2，…，pgN)表示整個粒子群所經(jīng)歷的最佳位置，更新粒子速度和位置的處理方法如下：