10.3963/j.issn.1674-4861.2008.06.003
基于扩展卡尔曼滤波神经网络算法的公路货运周转量预测
介绍了扩展卡尔曼滤波的原理,针对人工神经网络神经元之间权值的调整过程,建立了权值调整的状态空间模型,并采用扩展卡尔曼滤波对该模型的状态变量进行递推估计.文中仿真以全国历年公路货运周转量为例,分别采用BP算法和扩展卡尔曼滤波算法对神经网络进行训练,2种训练方法预测的结果对比表明扩展卡尔曼滤波训练算法具有更好的准确性和更高的运算效率.
公路货运周转量、预测、BP算法、扩展卡尔曼滤波
26
TP391(计算技术、计算机技术)
教育部博士点基金项目20060286005
2009-03-13(万方平台首次上网日期,不代表论文的发表时间)
共3页
11-13