基于遗传算法与神经网络的一卡通交易量预测
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-12页 |
| ·课题背景和意义 | 第9页 |
| ·研究的思路和方法 | 第9-10页 |
| ·本文结构安排 | 第10-12页 |
| 第二章 人工神经网络 | 第12-26页 |
| ·神经网络概述 | 第12-14页 |
| ·神经网络的定义、特点及应用 | 第12-13页 |
| ·神经网络发展 | 第13-14页 |
| ·BP算法及性能分析 | 第14-21页 |
| ·BP网络数学模型的建立 | 第14-17页 |
| ·BP算法原理分析 | 第17-21页 |
| ·BP网络的性能分析 | 第21-23页 |
| ·BP网络的主要缺陷 | 第21页 |
| ·BP网络存在缺陷的原因分析 | 第21-23页 |
| ·BP网络的算法改进 | 第23-26页 |
| ·学习率η的选取及其对BP网络性能的影响 | 第23-24页 |
| ·动量因子α对网络性能的改善 | 第24-26页 |
| 第三章 遗传算法 | 第26-37页 |
| ·遗传算法的基本概念及组成 | 第26-29页 |
| ·生物学原理 | 第26页 |
| ·遗传算法的特征 | 第26-27页 |
| ·遗传算法弊端分析 | 第27页 |
| ·基本遗传算法 | 第27-28页 |
| ·遗传算法流程 | 第28-29页 |
| ·遗传算法的实现技术 | 第29-37页 |
| ·染色体编码方法 | 第29-31页 |
| ·个体适应度函数 | 第31-32页 |
| ·遗传算子 | 第32-35页 |
| ·遗传算法的运行参数 | 第35-37页 |
| 第四章 基于人工神经网络的交易量预测 | 第37-52页 |
| ·北京一卡通系统交易量影响指标分析 | 第37-42页 |
| ·北京市人口数量 | 第37-38页 |
| ·北京地区气候状况 | 第38-39页 |
| ·一卡通卡发卡量 | 第39-40页 |
| ·充值机具和消费机具数量 | 第40页 |
| ·节假日数量 | 第40-41页 |
| ·其他因素 | 第41-42页 |
| ·训练样本的选择 | 第42-43页 |
| ·数据的预处理 | 第43-45页 |
| ·BP网络结构的确定 | 第45-46页 |
| ·隐含层数和层内节点数的确定 | 第45-46页 |
| ·激活函数的选取 | 第46页 |
| ·BP训练函数的选择 | 第46-47页 |
| ·BP神经网络仿真试验和结果分析 | 第47-52页 |
| ·BP网络仿真 | 第47-51页 |
| ·结果分析 | 第51-52页 |
| 第五章 遗传算法与BP神经网络相结合的交易量预测 | 第52-57页 |
| ·遗传算法优化BP神经网络权值 | 第52-53页 |
| ·遗传算法的方案选择 | 第53-54页 |
| ·编码方案 | 第53-54页 |
| ·适应度函数的确定 | 第54页 |
| ·遗传算子的选择 | 第54页 |
| ·遗传优化神经网络仿真和结果分析 | 第54-57页 |
| ·遗传优化BP网络仿真 | 第54-56页 |
| ·结果分析 | 第56-57页 |
| 第六章 结论 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61页 |
