基于BP神经网络的军用车辆事故预测可行性分析

基于BP神经网络的军用车辆事故预测可行性分析

论文摘要

随着我国国防交通运输的发展,各种军用车辆日益增多,军用车辆事故时有发生。做好准确、有效的军用车辆交通事故预测对巩固国防,提高部队战斗力起着重要作用。现阶段,军车车辆事故研究的方法还仅仅局限于概括总结经验,缺少量化处理的方法。本文通过运用BP神经网络来准确、有效的预测发生事故的概率,从而达到科学管理军用车辆,减少财产和人员损失的目的。概述了本文研究的背景、论文研究的目的和意义,国内外相关研究的方法和现状等。讲解了运用BP神经网络进行军用车辆事故预测的原理,BP神经网络是由大量的处理单元组成,具有较强的学习、平行计算、容错和抗干扰能力,由输入向量和目标输出建立模型来训练网络。为了克服BP神经网络在学习、训练中收敛速度慢、容易陷入局部极小的缺点,本文采用了LM算法。分析了发生军用车辆事故的诸多因素,概括总结为驾驶员素质、安全管理制度、驾龄、日平均行驶里程、教育程度、外部环境和车辆状况七个因素,并通过问卷调查的方式为建立BP神经网络模型搜集样本。通过建立模型的检验,证明了BP神经网络用于军用车辆事故预测的可行性,具有很好的应用价值。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 概论
  • 1.1 研究的背景、目的及意义
  • 1.2 国内外相关研究现状
  • 1.2.1 车辆事故研究
  • 1.2.2 军用车辆事故研究
  • 1.3 思路与方法
  • 第二章 军用车辆事故概念和预测方法的选择
  • 2.1 军用车辆事故、预测与事故预测的概念
  • 2.2 军用车辆事故的特点
  • 2.3 军用车辆事故预测方法的选取
  • 第三章 人工神经网络基本理论
  • 3.1 人工神经网络的发展历史及国内外研究现状
  • 3.2 人工神经网络的定义及特点
  • 3.3 神经网络模型分类
  • 3.4 BP神经网络
  • 3.4.1 BP网络结构及算法
  • 3.4.2 BP神经网络改进方法
  • 3.5 神经网络应用于预测的原理及步骤
  • 3.5.1 原理
  • 3.5.2 步骤
  • 3.6 基于BP神经网络的车辆交通事故分析
  • 第四章:基于BP神经网络的军用车辆事故预测模型
  • 4.1 军用车辆事故因素
  • 4.1.1 驾驶员素质
  • 4.1.2 安全管理制度
  • 4.1.3 驾龄
  • 4.1.4 日平均行驶公里数
  • 4.1.5 教育程度
  • 4.1.6 外部环境
  • 4.1.7 车辆状况
  • 4.2 研究样本
  • 4.3.1 隐层数选取
  • 4.3.2 隐层节点数的选取
  • 4.3.3 算法的选择
  • 4.4 合理的BP神经网络模型的确立
  • 4.5 MATLAB神经网络工具箱
  • 4.5.1 神经网络工具箱函数
  • 4.5.2 MATLAB中BP网络的训练过程
  • 第五章 BP神经网络预测军用车辆事故率可行性分析结果
  • 5.1 分析过程
  • 5.2 相关性分析
  • 5.3 结果分析
  • 第六章 结束语
  • 6.1 结论
  • 6.2 进一步研究的建议
  • 致谢
  • 参考文献
  • 学位论文评阅及答辩情况表
  • 相关论文文献

    • [1].德国陆军将升级“家犬”装甲车[J]. 国外坦克 2017(07)
    • [2].莱茵金属公司在澳大利亚建立“军用车辆卓越中心”[J]. 国外坦克 2017(07)
    • [3].信息化条件下军用车辆管理的思考探讨[J]. 信息记录材料 2018(06)
    • [4].军用车辆悬挂馈能影响因素分析及馈能潜力试验[J]. 内燃机与配件 2018(22)
    • [5].军用车辆升级辅助装备发展[J]. 国外坦克 2013(03)
    • [6].救灾物资军用车辆合理调度方法研究与仿真[J]. 计算机仿真 2012(12)
    • [7].外军军用车辆技术发展的最新动态[J]. 汽车运用 2010(03)
    • [8].沿海地区军用车辆腐蚀与防护对策[J]. 公路与汽运 2009(01)
    • [9].军用车辆的“接力赛”[J]. 小学科学 2012(Z2)
    • [10].航星防务公司展示新型军用车辆[J]. 国外坦克 2012(12)
    • [11].军用车辆动力系统新发展[J]. 国外坦克 2013(08)
    • [12].军用车辆辅助驾驶仪的发展[J]. 激光与红外 2010(03)
    • [13].关于军用车辆柴油发动机故障诊断与维修的研究[J]. 科技资讯 2019(14)
    • [14].军用车辆柴油发动机故障诊断与维修策略探讨[J]. 内燃机与配件 2018(04)
    • [15].军用车辆事故预防对策探讨[J]. 南方农机 2018(03)
    • [16].军用车辆中防腐材料与技术的应用[J]. 中国战略新兴产业 2018(28)
    • [17].美国军用车辆制造商开拓新市场[J]. 国外坦克 2015(01)
    • [18].国外军用车辆目标特性试验条件建设综述[J]. 中国航天 2013(10)
    • [19].江苏常州:军警携手联合打击假冒军用车辆[J]. 汽车与安全 2015(09)
    • [20].莱茵金属-曼军用车辆公司展示新型军用卡车[J]. 国外坦克 2012(08)
    • [21].开关磁阻电机在混合动力军用车辆中的应用[J]. 电机与控制应用 2008(01)
    • [22].军用车辆船舶滚装运输有关问题研究[J]. 国防交通工程与技术 2018(05)
    • [23].基于物联网技术的军用车辆智能信息管理系统总体设计[J]. 军事交通学院学报 2018(09)
    • [24].2010-2011简氏军用车辆和后勤综述(上)[J]. 国外坦克 2012(02)
    • [25].2010-2011简氏军用车辆和后勤综述(下)[J]. 国外坦克 2012(03)
    • [26].中国的军用车辆[J]. 时代汽车 2011(08)
    • [27].军用车辆悬挂馈能影响因素分析及馈能潜力试验[J]. 科学技术与工程 2018(22)
    • [28].模糊模式识别在军用车辆故障排查中的应用研究[J]. 舰船电子工程 2011(02)
    • [29].军用车辆燃油效率[J]. 国外坦克 2012(05)
    • [30].军用车辆柴油发动机故障诊断与维修分析[J]. 南方农机 2019(05)

    标签:;  ;  ;  

    基于BP神经网络的军用车辆事故预测可行性分析
    下载Doc文档

    猜你喜欢