基于GEP的高速公路通行费预测模型研究

"这篇论文研究了基于基因表达式编程（GEP）的高速公路通行费预测方法，通过GEP算法建立复杂函数关系以预测高速公路的未来收入，并针对节假日减免政策进行了修正模型的提出。实验结果表明，该方法在预测准确性上优于传统ARIMA模型和神经网络模型。" 本文主要探讨了高速公路通行费预测的重要性及其面临的挑战，传统预测模型由于非线性和复杂性的存在往往无法精确预测。作者们提出了一种创新的方法，即基于基因表达式编程（GEP）的预测模型。GEP是一种计算模型，它模仿生物进化过程来发现和优化数学表达式，适用于解决非线性问题，因此特别适合于捕捉通行费收入随时间变化的复杂规律。 在建立预测模型的过程中，GEP算法将当前通行费收入与历史数据之间的复杂关系转化为数学表达式，这种表达式能够更准确地反映出通行费收入随时间的发展趋势。论文还特别考虑了节假日通行费减免政策对收入的影响，提出了一种修正模型，以适应这些特殊时期的预测需求。 为了验证模型的有效性，研究人员收集了浙江沪杭甬高速公路股份有限公司等12家公司的历史数据进行仿真实验，并将GEP模型的结果与传统的自回归积分滑动平均模型（ARIMA）和神经网络模型进行了比较。实验结果显示，GEP模型在预测精度上具有显著优势，证明了其在复杂预测问题中的有效性。 论文作者包括刘宁、黄樟灿和谈庆，他们分别来自武汉理工大学理学院，专注于智能计算和图像处理等领域。这项研究对于高速公路运营管理、建设规划提供了科学依据，有助于提升预测的准确性和决策的科学性，对于交通行业的未来发展具有积极的推动作用。 关键词: 通行费预测、基因表达式编程、非线性、函数优化 文章发表在《中国公路学报》（中图分类号：TP391.9，文献标志码：A，文章编号：1001-3695（2019）07-018-1998-05，doi：10.19734/j.issn.1001-3695.2018.01.0023），展示了在智能计算领域的最新研究成果。