基于粗糙集-AHP-BP神经网络预测事故概率

论文摘要

车辆运行受多种风险因素共同作用,通过对G4京港澳（K1510—K1841）事故数据分析,建立风险因素体系,并利用粗糙集、事故危险度对风险因素实现重要性度量,利用AHP分析法确定风险因素权重,并通过BP神经网络实现不同风险条件下事故概率预测,实验证明,AHP-BP神经网络是预测风险条件下事故概率的有效模型。

论文目录

• 1 基于事故数据分析车辆运行风险因素
• 2 粗糙集-AHP-BP神经网络研究方法
•   2.1 风险因素重要性的度量
•     2.1.1 粗糙集度量一级风险因素
•     2.1.2 事故危险度度量二级风险因素
•   2.2 AHP和BP神经网络
• 3 实例分析
•   3.1 粗糙集度量一级风险因素
•   3.2 事故危险度度量二级风险因素
•   3.3 AHP确定权重
•   3.4 BP神经网络预测事故概率
•     3.4.1 构建神经网络
•     3.4.2 BP神经网络训练
• 4 结论

文章来源

类型: 期刊论文

作者: 田静静,贺玉龙,曲桂娴,周娟

关键词: 粗糙集,事故危险度,神经网络,事故概率预测

来源: 交通科技与经济 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 公路与水路运输,汽车工业

单位: 北京工业大学交通工程北京市重点实验室

基金: 国家重点研发课题资助项目(2017YFC0803903)

分类号: U491.31;U463.6

DOI: 10.19348/j.cnki.issn1008-5696.2019.04.008

页码: 37-42

总页数: 6

文件大小: 419K

下载量: 217