一种基于神经网络的摩托车头盔佩戴情况预测评价模型制造技术

本发明专利技术公开了一种基于神经网络的摩托车头盔佩戴情况预测评价模型，属于交通安全技术领域，对训练样本数据进行预处理，随后确定输入输出、隐含层传递函数等参数，最后确定网络拓扑结构，采集初始BP神经网络权值和阈值，传递给GA对初始值编码生成初始种群，然后确定适应度函数计算适应度，选择适应度强的染色体进行复制，随后交叉和变异并生成新种群。本发明专利技术中，利用摩托车头盔佩戴情况GA‑BP神经网络预测模型，配合数据的收集，能够预测出驾驶员头盔佩戴情况评分得出是否需要警力倾斜，能通过预测，便于交警部门分配警力去不佩戴头盔现象严重的地段检查督促驾驶员，提高道路交通安全，保障人民生命安全，应用领域新且具有现实意义价值。

【技术实现步骤摘要】
一种基于神经网络的摩托车头盔佩戴情况预测评价模型
本专利技术属于交通安全
，尤其涉及一种基于神经网络的摩托车头盔佩戴情况预测评价模型。
技术介绍
遗传算法(GeneticAlgorithm，GA)最早是由美国的Johnholland于20世纪70年代提出，该算法是根据大自然中生物体进化规律而设计提出的。是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解(根据适应度函数，每次进化时选择适应度高的，淘汰适应度低的个体)(也就是物竞天择，适者生存理念)的方法。该算法通过数学的方式，利用计算机仿真运算，将问题的求解过程转换成类似生物进化中的染色体基因的选择、交叉、变异等过程。在求解较为复杂的组合优化问题时，相对一些常规的优化算法，通常能够较快地获得较好的优化结果。利用遗传算法优化BP神经网络的权值和阈值，可以使BP神经网络改善过拟合现象，提高整个模型预测的效率、准确率、可靠性，BP(backpropagation)神经网络是1986年由Rumelhart和McClelland为首的科本文档来自技高网...

【技术保护点】
1.一种基于神经网络的摩托车头盔佩戴情况预测评价模型，其特征在于，包括：/nS1、对训练样本数据进行预处理，随后确定输入输出、隐含层传递函数等参数，最后确定网络拓扑结构。/nS2、采集初始BP神经网络权值和阈值，传递给GA对初始值编码生成初始种群，然后确定适应度函数计算适应度。/nS3、选择适应度强的染色体进行复制，随后交叉和变异并生成新种群，如果新种群不满足需要，则重新选择适应度强的染色体进行复制并进行后续工作，如果满足需要则对新种群进行解码。/nS4、然后获取GA优化过的最优权值和阈值，将信号向前传播，并计算信号中的误差，如果满足精度要求则建立GA-BP摩托车头盔佩戴情况预测模型，即为摩托...

【技术特征摘要】
1.一种基于神经网络的摩托车头盔佩戴情况预测评价模型，其特征在于，包括：
S1、对训练样本数据进行预处理，随后确定输入输出、隐含层传递函数等参数，最后确定网络拓扑结构。
S2、采集初始BP神经网络权值和阈值，传递给GA对初始值编码生成初始种群，然后确定适应度函数计算适应度。
S3、选择适应度强的染色体进行复制，随后交叉和变异并生成新种群，如果新种群不满足需要，则重新选择适应度强的染色体进行复制并进行后续工作，如果满足需要则对新种群进行解码。
S4、然后获取GA优化过的最优权值和阈值，将信号向前传播，并计算信号中的误差，如果满足精度要求则建立GA-BP摩托车头盔佩戴情况预测模型，即为摩托车头盔佩戴情况GA-BP神经网络预测模型，如果不满足精度要求，则误差反向传播更新权值和阈值，并将新的权值和阈值做成信号传播进行误差计算。
S5、GA-BP摩托车头盔佩戴情况预测模型建立后输入相关事实参数。
S6、收集采集的原始数据，并对数据进行预处理。
S7、将数据处理后进行训练和测试数据，经过训练和验证后传递给摩托车头盔佩戴情况GA-BP神经网络预测模型。
S8、GA遗传算法对BP神经网络优化，优化的网络可以配合摩托车头盔佩戴情况GA-BP神经网络预测模型对数据进行处理。
S9、采集输入的信息并投入到摩托车头盔佩戴情况GA-BP神经网络预测模型进行使用，在两种数据的对比下预测结果。


2.根据权利要求1所述的一种基于神经网络的摩托车头盔...

【专利技术属性】
技术研发人员：李彤，张奇志，
申请(专利权)人：西安石油大学，
类型：发明
国别省市：陕西;61