探讨BP人工神经网络对新建城市轨道项目的运营成本预测,人工神经网络的收敛性是什么？
探讨BP人工神经网络对新建城市轨道项目的运营成本预测
人工神经网络的收敛性是什么？收敛与迭代算法有关。反向传播算法定义误差er(通常是输出结果和预期结果之间的范数)，然后获得满足最小误差的权重向量。如果误差被认为是一个连续函数(泛函)，权重向量的每个分量的偏导数是0，但实际上它是离散的，所以我们需要
BP人工神经网络预测
当然，神经网络是以这种方式使用的，非常适合描述难以给出具体数学表达式的非线性映射。 通过对网络历史样本的培训，你好？BP神经网络在土木工程中有许多应用 1.岩土工程中BP神经网络的优化2。神经网络在桥梁施工控制中的应用。现场4混凝土强度预测。BP神经网络在项目管理中的应用。分岔隧道位移反分析6中的应用 您有12年的输入和输出数据，但是这12年的数据中有多少年用于在线培训，有多少年用于测试？您没有解释您应该用3年的数据进行网络培训，用9年的时间测试网络。1.不同的计算方法1。前馈神经网络:最简单的神经网络，每个神经元分层排列 每个神经元只与前一层的神经元相连。 接收前一层的输出并输出到下一层。层与层之间没有背裂。2.BP神经网络:是根据误差反向传播算法训练的多层前馈神经网络 3 、,
人工神经网络的收敛性是什么？
人工神经网络的收敛性是什么？收敛与迭代算法有关。反向传播算法定义误差er(通常是输出结果和预期结果之间的范数)，然后获得满足最小误差的权重向量。如果误差被认为是一个连续函数(泛函)，权重向量的每个分量的偏导数是0，但实际上它是离散的，所以我们需要
BP人工神经网络预测
探讨BP人工神经网络对新建城市轨道项目的运营成本预测范文
[概要/S2/]
城市铁路已经成为许多城市的主要交通方式，并将在未来以更快的速度覆盖更多的城市。然而，城市轨道交通的运营成本太高。政府在项目可行性研究报告中预测运营成本时，只使用简单的线性关系来预测各种费用，只考虑交通量的单一变量，忽略了一些费用与运营工作量之间的非线性关系，这些费用占运营成本的很大一部分。因此，城市轨道工程的实际运营成本与预测成本相差太大，因此对城市轨道工程的成本进行更准确的预测，为政府决策提供依据就显得非常重要。
本文首先分析了城市轨道工程运营成本的构成及影响运营的因素。发现运营成本受各种运营工作量的影响，成本数据是非线性的。传统的成本预测方法忽略了城市轨道运营成本的这些特点。因此，本文根据城市轨道运营成本的特点，运用作业成本法和人工神经网络对新建城市轨道项目运营成本进行预测。首先，根据城市轨道交通运营项目运营活动的类型，将运营活动划分为运营和维护两个过程，根据活动成本法将活动划分为多个活动，将运营成本汇集到运营中心，选择每个活动的成本动因，最后通过相关成本动因与相关性分析、聚类分析和主成分分析相结合，确定用于预测运营成本的成本动因。其次，利用人工神经网络的容错和非线性映射能力进行预测，研究和训练城市轨道交通运营企业多年来的运营成本和成本驱动因素，对样本数据进行预处理，构建网络结构，确定学习参数，建立运营成本和成本驱动因素之间的人工神经网络模型，并通过测试数据测试模型的准确性，形成训练有素的预测模型；再次，将城市轨道工程运营成本预测结果与多种非线性预测方法的预测结果进行比较，确定了人工神经网络模型预测的准确性。最后，使用单因素敏感性分析方法分析关键成本动因的敏感性，并确定关注的成本动因。
:城市轨道项目，作业成本法，人工神经网络，运营成本，预测模型
摘要
城市轨道交通已经成为很多城市的主要交通方式，未来将会更快地覆盖更多的城市，但是城市轨道交通运营成本太高，政府在项目可行性研究报告中预测运营成本，只使用简单的线性关系预测费用，只考虑单一变量的交通量，忽略了成本与运营工作量之间的一些非线性关系，而这些费用占运营成本的较大比例， 导致城市轨道工程实际运营成本与预测成本相差过大，因此对城市轨道工程成本进行更准确的预测，为政府决策提供依据十分重要。 本文首先分析了城市轨道工程运营成本，以及影响运营成本的因素，发现运营成本受各种运营工作量的影响，成本数据又呈线性关系，传统的成本预测方法忽略了城市轨道运营成本的特点，因此本文结合城市轨道运营成本的特点，采用作业成本法和人工神经网络对新建城市轨道工程的运营成本进行预测。
本文根据城市轨道运营项目的运营活动类型，运营可分为两个运营过程，大修时，按照作业成本法可分为若干作业，活动将运营成本累算到运营中心，选择运营成本动因，运用相关分析、聚类分析和主成分分析结合相关成本动因，确定用于预测运营成本的最终成本动因；第二，利用BP人工神经网络的预测容错、非线性映射能力，对城市轨道运营企业运营成本和成本动因进行学习训练日历年，对样本数据进行预处理，构建网络结构，学习参数，建立运营成本和成本动因之间的BP人工神经网络模型，用测试数据检验模型的准确性，形成训练有素的预测模型；再次，通过比较城市轨道工程运营成本预测结果和多种非线性预测方法的预测结果，确定了BP人工神经网络模型预测的准确性。最后，运用单因素敏感性分析方法对关键成本动因的敏感性进行分析，确定关注的成本动因。
关键词:城市轨道工程，运营成本法，人工神经网络，运营成本，预测模型
目录
第一章导言
1.1研究背景和意义
1.1.1研究背景
世界上第一条地铁在英国伦敦建成。已经有100多年了。城市铁路在国外起步很早。许多国家已经形成了相对完善的城市铁路网。然而，中国的城市铁路项目发展相对较晚，主要是引进国外技术。然而，随着经济和城市化的发展，城市轨道工程已经进入快速发展时期。城市轨道交通(Urban rail transit)广义上是指采用全封闭或部分封闭的专用轨道进行承载和引导，用车辆运载乘客，并具有信号、电源和车站等服务设施的公共交通方式，具体是狭义上的地铁、轻轨和单轨。城市轨道交通具有运输能力强、能耗少、安全准时、环境污染小的优点，因此人们更喜欢乘坐城市轨道交通。改革开放后，随着经济的发展，城市轨道交通进入了快速发展时期。中国“十一五”规划明确提出了“加快城市轨道交通建设”的新要求。北京、天津、南京、上海等16个城市计划建设55条轨道交通线路，总长1700公里，投资约6000亿元。根据中国轨道交通网的调查结果，截至2017年10月31日，中国已有29个城市开始运营城市道路。全长37，932.19公里，有2，536个车站和128条线路。未来轨道交通的发展也值得关注。城市轨道项目的可行性研究应在投入建设前进行。不仅要预测建设成本，还要预测运营成本，为政府决策提供依据。然而，在实际的建设和运营过程中，大多数企业入不敷出已经成为一个普遍的问题。建设前期运营成本预测与实际运营成本存在较大偏差，严重影响项目建设决策。传统的成本预测方法通常采用因子预测法分别计算和预测城市轨道交通运营成本的各种成本。单一成本的计算只考虑单一的影响因素，但现实受到许多因素的影响。成本与实际作业工作量呈非线性关系，导致预测精度较低，项目损失严重。为了提高运营成本预测的准确性，使可行性研究报告更加可靠，从研究运营成本与影响因素之间的非线性关系入手，找出更多的影响因素，建立运营成本与多个影响因素之间的非线性关系模型，并运用适当的理论方法对运营成本进行预测。
1.1.2研究意义
城市轨道交通在缓解交通压力、改善城市结构、提高人们出行效率、促进经济社会发展方面发挥着重要作用。然而，城市轨道项目建设成本高，运营维护成本高，投资回报率低。因此，需要大量政府资金才能使城市轨道项目正常运行。这些资金大部分由政府财政收入以债务形式提供，成本回收期相对较长。因此，有必要在城市轨道工程建设前准确预测运营成本。然而，城市轨道项目运营成本的构成较为复杂，传统运营成本预测方法得出的运营成本与实际运营过程中产生的运营成本存在较大偏差。重点提高城市轨道工程运营成本预测的准确性，建立运营成本与多种运营工作量之间的非线性关系，为待建城市轨道工程运营成本的预测提供更准确的预测模型，对于降低预测运营成本与实际运营成本之间的误差具有重要的现实意义。另外，本文将作业成本法和人工神经网络相结合，应用于城市轨道交通运营成本的预测，实现了理论应用的创新，扩大了理论应用的范围。作业成本法用于划分城市轨道运营成本活动并确定成本动因。利用人工神经网络建立成本动因与运营成本之间的非线性关系，预测运营成本，对理论应用研究具有重要意义。
1.2[城市铁路项目概述/S2/]
城市轨道交通是一个相对复杂的系统，主要由几个子系统组成，包括线路系统、车站系统、车辆系统、安全防护系统、信号通信系统、自动售检票系统和供电系统。根据全生命周期理论，城市轨道工程可分为早期规划设计阶段、建设阶段和运营阶段。
因此，总成本可分为早期规划设计阶段的成本、施工阶段的成本和运营阶段的成本。各阶段的详细轮廓如下:初步规划设计阶段主要是规划设计施工阶段和运营阶段，主要工作包括功能定位、线网规划、客流预测、可实施性规划、线路设计、车站设计、轨道交通枢纽设计、各系统安全防护设计、运营阶段规划。涉及的成本包括前期规划成本、项目建议书阶段成本、可行性研究成本和勘察设计成本。建设阶段主要包括各种系统的建设，包括线路建设、车站建设、供水供电系统建设、车辆购置和通信信号系统建设。建设阶段涉及的成本包括建设项目成本、车辆购置成本、安装项目成本、准备成本、设备工具购置成本、相关税费、财务成本及其他项目建设成本。运营阶段主要包括一系列涉及运送乘客的活动，包括站台服务、票务服务、供电系统、通信信号系统、车辆线路设备维护服务，还包括采购物流、管理支持、规划调度等其他支持服务。运营阶段的成本也称为轨道交通运输成本(transportation cost of rail transit)，是指轨道交通为完成乘客从出发地到目的地的运输而消耗的所有成本和费用，包括员工工资、各种福利、材料成本、电费、固定资产折旧、资本成本等费用。根据会计准则，它可以分为营业费用、财务费用、行政费用和非营业费用。
1.3研究内容和方法
1.3.1研究内容
本文主要研究城市轨道工程运营阶段的成本，提出传统城市轨道运营成本预测方法误差较大的问题。通过建立城市轨道项目运营成本与各种运营工作量之间的非线性关系，预测城市轨道项目运营成本，并运用作业成本法确定影响运营成本的多个成本动因。利用人工神经网络建立运营成本与多个成本动因之间的非线性关系，解决可行性研究阶段预测运营成本与实际运营成本相差过大的问题，提高可行性研究的准确性。研究思路:通过对运营成本构成的分析，确定哪些成本是线性的，哪些是非线性的，利用作业成本法确定影响运营成本的运营工作量作为成本驱动因素，并利用BP人工神经网络的非线性预测能力建立运营成本和成本驱动因素之间的非线性关系来预测运营成本。
基本构成:第一部分为第一章和第二章，主要论述本文的研究背景和意义、研究内容和方法。相关理论和方法，包括项目运营成本预测理论、作业成本法和人工神经网络，重点介绍作业成本法和人工神经网络的基本原理。第二部分由第三章和第四章组成。主要分析了城市轨道运营成本的构成及成本因素的影响因素，提出了传统运营成本预测存在的问题，选择了运营成本预测的相关模型方法，采用作业成本法将城市轨道项目的运营活动划分为多个活动，选择了每个活动的成本动因，并将相关成本动因与相关性分析、聚类分析和主成分分析相结合。确定用于预测运营成本的成本动因，利用人工神经网络建立运营成本与成本动因之间的非线性关系，包括样本数据预处理、网络结构构建和学习参数的确定。最后，通过案例分析，并与多元非线性回归预测方法得到的运营成本预测结果进行比较，确定了BP人工神经网络预测的准确性。第三部分是第五章，总结了文章的研究成果，得出结论和展望，并提出不足和有待改进的地方。
1.3.2研究方法
(1)相关性分析。城市轨道交通运营有时可能有多个成本动因。SPSS相关分析用于选择与运营成本有较大相关性的成本动因。
(2)聚类分析，在选择每个活动的成本驱动因素后，将不同活动的成本驱动因素进行相关合并，利用聚类分析得到相关系数矩阵和聚类树图。
(3)主成分分析，利用SPSS软件中的主成分分析，得到累积贡献率。系数矩阵的等级是累积贡献率为100%的成本动因的数量。主成分分析可以获得更多等级以外的信息，即当累积贡献率接近100%时，所选择的成本动因数量将比等级数量更具成本效益。
(4)作业成本法(Activity-based costing)，将城市轨道运营活动划分为多个活动，根据经验和成本动因选择原则选择活动的成本动因，运用相关分析、聚类分析和主成分分析确定预测城市轨道运营成本的成本动因。
(5)人工神经网络方法以作业成本法获得的成本动因和运营成本作为人工神经网络的输入输出值，选取城市轨道交通运营企业历年的成本动因和运营成本数据作为学习训练的样本数据，首先对样本数据进行预处理，根据样本数据的特点确定网络结构和学习参数，训练实验数据， 获得成本动因与成本之间的关系模型，用测试样本进行测试，确定模型以预测可接受范围内的误差，误差较大，并继续训练或调整网络结构。
[由于本文是硕士论文，请点击下方链接下载全文]
第二章相关理论基础和方法
2.1项目运营成本预测的相关理论
2.1.1项目运营成本概念
2.1.2项目运营成本预测概述
2.2作业成本法
2.2.1作业成本法的概念和内涵
2.2.2作业成本法的基本原则
2.2.3作业成本法的一般计算步骤
2.2.3作业成本法与传统成本法的比较
2.3BP人工神经网络
2.3.1BP人工神经网络概念
2.3.2BP神经网络模型的基本原则
第三章城市轨道运营成本分析及其预测中存在的问题
3.1城市轨道项目运营成本构成分析
3.2城市轨道项目运营成本的特点
3.3影响城市轨道项目运营成本的因素
3.4城市轨道项目运营成本预测中存在的问题
第四章城市轨道项目运营成本预测模型的构建
4.1城市轨道项目运营成本预测的基本思路和模型框架
4.1.1研究的基本思路和框架
4.1.2城市轨道项目运营成本预测方法的选择
4.2基于作业成本法的城市轨道项目运营成本动因的确定
4.2.1城市轨道项目作业成本中心的划分
4.2.2成本动因的选择
4.2.3作业成本模型
4.2.4成本动因合并
4.3基于人工神经网络的城市轨道项目运营成本预测模型设计
4.3.1基于人工神经网络的运营成本预测思想
4.3.2基于人工神经网络的运营成本预测模型的建立
4.3.3基于人工神经网络的运营成本预测模型的应用
4.4案例分析
4.4.1A城市轨道交通项目运营成本动因的确定
4.4.2A基于人工神经网络
4.4.3的城市轨道交通项目运营成本预测与多元非线性运营成本预测方法的比较
第五章结论和前景
5.1结论
通过理论与实践的结合，得到了以下结果:
(1)基于城市轨道运营活动，运用作业成本法将城市轨道运营过程分为平台服务运营、在线驾驶运营、供电系统运营、信号通信系统运营、轨道线路运营、车辆维护运营、线路维护运营、供电系统维护运营和信号通信系统维护运营。采用相关分析、聚类分析和主成分分析相结合的方法来确定预测运营成本的成本动因。
(2)用人工神经网络预测新建运营成本，确定网络结构和学习参数，以某城市轨道交通运营企业2008-2016年的成本动因和运营成本数据为训练样本，选择逼近度最高的网络培训与保存网络，以2017年数据为测试样本，与多个非线性模型预测的运营成本进行比较，并进行单因素敏感性分析，确定对运营成本更加敏感的成本动因。
(3)通过建立成本动因与运营成本之间的非线性关系，提高了城市轨道运营成本预测的准确性，为新建城市轨道项目运营成本预测提供了更准确的方法，提高了可行性研究报告的可信度，也扩大了人工神经网络的应用范围。
5.2小于
(1)城市轨道交通运营中的运营分工可能不够完整，可能存在一些运营失误。此外，成本动因的选择基于经验，其他成本动因可能会被忽略。某些特定成本的线性和非线性划分可能不准确，但总运营成本和成本动因的数量是非线性的。
(2)样本数量有点少。通常，75%的数据是从用于训练的样本数据中选择的，25%的数据被用作用于测试的样本。这样，从网络训练中获得的规律性会更强，样本的规律性会更明显，更容易测试它们是否符合训练样本的规律性，对网络的测试效果会更好。本文只使用了一个测试样本，规律性不强。
(3)训练次数不够，神经网络的权值和阈值不确定，每次训练的结果不同。如果培训时间不够，可能很难找到更好的培训网络。(4)隐藏层的确定由于目前没有确定隐藏层的精确方法，所以通过比较通过训练不同隐藏层获得的绝对误差来确定隐藏层可能是不合适的。
参考
[由于硕士论文篇幅较长，本页不显示全文。如需全文，请点击以下链接下载全文]
点击下载全文