Головна » Статті » Конференція_2016_12_8-9 » Секція_4_Технічні науки |
Исаков Виталий д.т.н., профессор Корепанова Надежда аспирант ФГБОУ ВО ИжГТУ имени М.Т.Калашникова г. Ижевск, Россия
ПРОГНОЗИРОВАНИЕ ИНТЕНСИВНОСТИ ДВИЖЕНИЯ АВТОТРАНСПОРТА ИСПОЛЬЗУЯ НЕЙРОННЫЕ СЕТИ НА ПРИМЕРЕ Г.ИЖЕВСК
Планирование пропускной способности к количеству автотранспорта является одной из основных задач, позволяющих обеспечить поддержание сбалансированности на дорожной сети. Нейронные сети позволяют решать проблемы в разных областях, в том числе и в автомобильной промышленности: управление впрыскиванием и воспламенением топлива: управление соотношением воздуха и горючего, регулировкой частоты вращения вала в двигателях автомобиля в режиме холостого хода, управления амортизаторами, управление трансмиссией, управление скоростью, управление движением, управление задним ходом и кузовом самосвала [1]. Для обучения нейронной сети необходимо прежде всего сформировать обучающую выборку. Известно, что чем больше обучающая выборка, тем точнее модель. Ошибка функционирования сети вычисляется следующим образом [2]: (1) Составим нейронную сеть прямого распространения с 1 входным,1 скрытым и 1выодным слоем, содержащий единственный1 линейный нейрон, связанный со всеми узлами скрытого слоя. Если рассматривать матричную форму для системы линейных уравнений для неизвестных весов коэффициентов, то можно рассмотреть в таком виде[3]: Y=X*W (2) Вычислим присоединенную матрицу [4] X* и вектор весов W определяется формулой (3): W=X-1*Y=1/∆X*X**Y (3) Процесс обучения [5] представляется в следующей итерационной форме для нашего случая (4): (4) где прогнозируемая интенсивность вычисляется [6] Iпрог= Iпред+(Iпред- Iпред30мин)*W1+( Iпред- Iпред24часа)*W2+( Iпред- Iпред7дней)*W3 (5) где Iпрог –выходной сигнал сети, прогнозное значение I движения ед/ч. - весовые коэффициенты выхода сети; J=1,2..n, количество нейронов в скрытом слое сети; Iпред- за сутки предшествующие прогнозируемым; Iпред30мин-значение I за 30 мин.до предшествующих суток; Iпред24часа-значение и I за 2 суток до предшествующих; Iпред7дней- значение I неделю назад в аналогичные сутки. Измерения проходили на ул. Кирова c пересечением 50 лет Пионерии. Данные в табл.1. Таблица 1 Данные по интенсивности 2016 год октябрь.
Подставляя данные из таблицы 1 в уравнение (5), получаем X. Транспортные потоки подсчитывались 3 раза в день п о15 минут, в утренние часы с 8-9 утра, в полдень с 11-14 дня и вечернее время с 17-19 часов. (часы писк). Вычисляем определитель матрицы ∆X, получаем ∆X= 0,00228. Разница между фактическими значениями интенсивности и интенсивность за предыдущие сутки вычисляется по формуле: Y= Iфакт- Iпред (5) Вычисляем обратную матрицу, в соответствии с правилами линейной алгебры. Вычисляем присоединенную матрицу, в соответствии с (2,3). Вычисляем интенсивность движения для 6,20,27 октября. Согласно полученным значениям вычисляем Iпрог (4). Таблица 2 Погрешности вычисления для прогнозируемого периода
Относительная ошибка прогноза [6] E= (6) Погрешность прогнозирования на 6, 20 и 27 октября не превышает 5%. Высокая точность прогноза определяется процентом не больше 5. До 10% прогноз считается допустимым. Т.е. Точность прогноза тем выше, чем ниже величина ошибки, позволяющая сравнивать прогнозные и фактические ошибки значения исследуемой величины.
Литература
| |||||||||||||||||||||||||||||||||||||||||
Категорія: Секція_4_Технічні науки | Додав: Admin (07.12.2016) | |||||||||||||||||||||||||||||||||||||||||
Переглядів: 273 |
Всього коментарів: 0 | |