蘇　南，黃　霞

(1.重慶交通大學(xué) 交通運(yùn)輸學(xué)院，重慶 400074；2.廣東財(cái)經(jīng)大學(xué) 信息學(xué)院，廣州 510320)

?

自適應(yīng)神經(jīng)網(wǎng)絡(luò)在生態(tài)交通系統(tǒng)評價(jià)中的應(yīng)用

蘇南1，黃霞2

(1.重慶交通大學(xué) 交通運(yùn)輸學(xué)院，重慶 400074；2.廣東財(cái)經(jīng)大學(xué) 信息學(xué)院，廣州 510320)

從以人為本的交通文化、健康協(xié)調(diào)的交通環(huán)境、高效安全的交通網(wǎng)絡(luò)、暢達(dá)完善的綜合交通4個(gè)方面出發(fā)，結(jié)合協(xié)同理論構(gòu)建“四位一體”城市生態(tài)交通模型和評價(jià)指標(biāo)體系，以神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為核心，提出一種智能生態(tài)交通評價(jià)模型，挖掘生態(tài)交通系統(tǒng)的客觀規(guī)律信息，在評價(jià)生態(tài)交通水平等方面進(jìn)行探索。

生態(tài)交通系統(tǒng)；評價(jià)指標(biāo)體系；自適應(yīng)神經(jīng)網(wǎng)絡(luò)

面對土地資源緊缺、交通擁堵、噪音危害、大氣污染等交通問題，尋求一種可持續(xù)發(fā)展的城市建設(shè)之路成為人們聚焦的中心[1]。李智等[2]從環(huán)境管理的發(fā)展趨勢與可持續(xù)發(fā)展的要求出發(fā)，基于 DPS-IR 框架的指標(biāo)分類選取了交通規(guī)劃環(huán)評指標(biāo)集。姜玉梅等[3]采用DPSIR模型確定綜合評價(jià)初始指標(biāo)，基于城市復(fù)合生態(tài)系統(tǒng)理論，利用PCA和MDM 解決不同階段問題的優(yōu)勢，構(gòu)建城市生態(tài)交通系統(tǒng)綜合評價(jià)模型算法，對系統(tǒng)進(jìn)行綜合量化評價(jià)。王釗[4]結(jié)合生態(tài)綜合指數(shù)法和層次分析法，基于城市交通環(huán)境承載力理論構(gòu)建生態(tài)交通綜合評價(jià)方法。余躍武[5]從生態(tài)城市可持續(xù)發(fā)展觀出發(fā)，建立生態(tài)交通評價(jià)指標(biāo)體系，運(yùn)用BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測研究。

現(xiàn)有的生態(tài)交通研究側(cè)重于城市交通系統(tǒng)和環(huán)境系統(tǒng)的相互影響、相互制約分析，較少從交通活動(dòng)的安全、健康、和諧等方面進(jìn)行綜合分析，且生態(tài)交通評價(jià)多采用線性關(guān)系處理方法。傳統(tǒng)統(tǒng)計(jì)方法是建立在多種前提假設(shè)和堅(jiān)實(shí)數(shù)學(xué)理論的基礎(chǔ)上，需要充分認(rèn)識現(xiàn)實(shí)生態(tài)交通系統(tǒng)和良好的建模能力，否則難以對較復(fù)雜的生態(tài)交通系統(tǒng)進(jìn)行深層次的分析以及對評價(jià)指標(biāo)間的非線性關(guān)系進(jìn)行準(zhǔn)確刻畫。人工神經(jīng)網(wǎng)絡(luò)以其強(qiáng)大的非線性逼近能力、泛化能力以及自學(xué)習(xí)能力在多個(gè)科學(xué)領(lǐng)域有廣泛應(yīng)用。人工神經(jīng)網(wǎng)絡(luò)擅長刻畫具有非線性特征的時(shí)間序列，挖掘內(nèi)在隱藏規(guī)律。本文針對以上不足，基于協(xié)同理論，以神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為核心，試圖從自然資源、外界環(huán)境、社會(huì)價(jià)值、交通網(wǎng)絡(luò)4個(gè)方面挖掘生態(tài)交通系統(tǒng)的客觀規(guī)律信息，在評價(jià)生態(tài)交通水平等方面進(jìn)行探索。

1　生態(tài)交通評價(jià)系統(tǒng)

1.1生態(tài)交通的內(nèi)涵

注重協(xié)調(diào)交通系統(tǒng)與自然系統(tǒng)、環(huán)境資源系統(tǒng)以及社會(huì)經(jīng)濟(jì)系統(tǒng)的相互作用。構(gòu)建面向未來城市的結(jié)構(gòu)優(yōu)化、生態(tài)文明、持續(xù)發(fā)展和系統(tǒng)性的綜合交通運(yùn)輸系統(tǒng)。生態(tài)交通的內(nèi)涵具體可劃分為以下4個(gè)方面：交通文化以人為本，平等公正；交通網(wǎng)絡(luò)高效安全；交通環(huán)境健康、持續(xù)協(xié)調(diào)以及綜合交通設(shè)施完善。作為復(fù)雜的生態(tài)城市系統(tǒng)的一個(gè)子系統(tǒng)，生態(tài)交通是規(guī)律協(xié)調(diào)作用下的綜合體。生態(tài)交通的發(fā)展取決于不同時(shí)期，不同條件下相互聯(lián)系、相互制約的自然資源、文化價(jià)值、環(huán)境和交通網(wǎng)絡(luò)等4個(gè)方面因素的協(xié)調(diào)作用。這種長期動(dòng)態(tài)協(xié)調(diào)關(guān)系如圖1所示?；趨f(xié)同理論，提出“四位一體”城市生態(tài)交通系統(tǒng)。在“四位一體”的相互作用、相互協(xié)調(diào)的協(xié)同作用下，生態(tài)交通才能達(dá)到高效、安全、和諧、可持續(xù)發(fā)展的生態(tài)文明協(xié)同目標(biāo)。

圖1　城市生態(tài)交通動(dòng)態(tài)協(xié)調(diào)框架

1.2城市生態(tài)交通評價(jià)

城市生態(tài)交通評價(jià)是對與交通緊密聯(lián)系的自然環(huán)境、社會(huì)經(jīng)濟(jì)文化以及交通網(wǎng)絡(luò)符合系統(tǒng)的生態(tài)水平進(jìn)行定量分析。在一個(gè)或多個(gè)因素的協(xié)同作用下，對人類生存必備的交通條件和交通狀態(tài)的穩(wěn)定性及其可能性的嚴(yán)重后果進(jìn)行評估。生態(tài)交通評價(jià)是一種相對的、具有一定空間地域性質(zhì)的系統(tǒng)性評價(jià)。通過定性定量預(yù)測評價(jià)生態(tài)方面的交通系統(tǒng)，建立完整、穩(wěn)定、可持續(xù)發(fā)展的最優(yōu)系統(tǒng)狀態(tài)方案。

為了分析和評價(jià)城市生態(tài)交通，需要設(shè)計(jì)評價(jià)指標(biāo)體系。評價(jià)指標(biāo)體系中有3種結(jié)構(gòu)類型分別為：以單個(gè)指標(biāo)進(jìn)行評價(jià)的一元結(jié)構(gòu)、以一組平行或者順序關(guān)系的指標(biāo)進(jìn)行評價(jià)的線性結(jié)構(gòu)和多影響因素綜合評價(jià)的塔式結(jié)構(gòu)[6]。城市交通系統(tǒng)的目標(biāo)區(qū)別于單項(xiàng)的局部的指標(biāo)，指標(biāo)內(nèi)容多、涉及面廣、呈現(xiàn)相關(guān)性、整體性以及抽象性的特征。因此，采用層次性的塔式結(jié)構(gòu)建立生態(tài)交通評價(jià)指標(biāo)體系結(jié)構(gòu)。

1.3構(gòu)建評價(jià)指標(biāo)體系

研究指標(biāo)體系的方法有基于調(diào)查研究、比較歸納以及問卷調(diào)查形式收集有關(guān)指標(biāo)的調(diào)查研究法；通過具體分析目標(biāo)和任務(wù)逐次分解獲得指標(biāo)的目標(biāo)分解法；采用聚類分析和主成份分析，簡化要素，找出關(guān)鍵性指標(biāo)的多元統(tǒng)計(jì)法[7]。本研究以生態(tài)交通的“四位一體”協(xié)調(diào)機(jī)理為主線，以目標(biāo)分解法為主，其他方法為輔，基于已有的可持續(xù)發(fā)展的交通系統(tǒng)評價(jià)指標(biāo)[8]，參考國內(nèi)外生態(tài)城市評價(jià)指標(biāo)和園林城市創(chuàng)建指標(biāo)，結(jié)合生態(tài)交通現(xiàn)有的部分評價(jià)指標(biāo)體系[4]，構(gòu)建一套系統(tǒng)的“四位一體”生態(tài)交通評價(jià)指標(biāo)體系。具體的生態(tài)交通評價(jià)指標(biāo)如表1 所示。

表1　城市生態(tài)交通評價(jià)指標(biāo)體系N1

2　自適應(yīng)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法

計(jì)算機(jī)模擬人類的神經(jīng)網(wǎng)絡(luò)訓(xùn)練主要分3個(gè)階段。第1階段：學(xué)習(xí)期，一定的網(wǎng)絡(luò)初始化的參數(shù)條件下網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練;第2階段：調(diào)整期，系統(tǒng)根據(jù)所處的環(huán)境進(jìn)行自組織，調(diào)整神經(jīng)元中參數(shù)進(jìn)行循環(huán)多次學(xué)習(xí)訓(xùn)練，適應(yīng)外界變化保持良好性能；第3階段：工作期，比較分析網(wǎng)絡(luò)在不同參數(shù)條件下的性能，確定合適的參數(shù)權(quán)值，對測試數(shù)據(jù)進(jìn)行評價(jià)，具體過程如下[9-13]:

第1步，網(wǎng)絡(luò)初始化-學(xué)習(xí)訓(xùn)練。

(1)

第2步，網(wǎng)絡(luò)自適應(yīng)學(xué)習(xí)，隨機(jī)選擇?k，wkl(k≤N1,l≤N0)，其中一個(gè)參數(shù)進(jìn)行梯度調(diào)整，會(huì)出現(xiàn)下面3種情況：

每次參數(shù)調(diào)整隨機(jī)賦值ε，ε相當(dāng)于學(xué)習(xí)的步長，是一個(gè)小數(shù)字。

第3步，神經(jīng)元的輸出反向傳播，重新學(xué)習(xí)訓(xùn)練調(diào)整神經(jīng)元的激活電位。調(diào)整βk時(shí)激活電位不發(fā)生改變：

(2)

經(jīng)過上述調(diào)整，對神經(jīng)網(wǎng)絡(luò)的輸出值進(jìn)行調(diào)整

(3)

局部變化對人工神經(jīng)網(wǎng)絡(luò)輸出層神經(jīng)元的輸出影響為：

(4)

統(tǒng)計(jì)參數(shù)調(diào)整后網(wǎng)絡(luò)訓(xùn)練誤差的變化為：

(5)

第4步，循環(huán)進(jìn)行上述2、3兩步，直到網(wǎng)絡(luò)的訓(xùn)練誤差E0滿足目標(biāo)要求，小于特定的值或由于迭代次數(shù)達(dá)到一定限值網(wǎng)絡(luò)停止訓(xùn)練，存儲(chǔ)神經(jīng)網(wǎng)絡(luò)輸出yu以及預(yù)測值和實(shí)際值的誤差E0，至此人工神經(jīng)網(wǎng)絡(luò)完成一次完整的訓(xùn)練。

3　基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的城市生態(tài)交通評價(jià)模型

在“四位一體”生態(tài)交通評價(jià)指標(biāo)體系的基礎(chǔ)上，試圖建立神經(jīng)網(wǎng)絡(luò)的科學(xué)、合理且完善的城市生態(tài)交通評價(jià)智能模型，獲得待評價(jià)城市交通系統(tǒng)生態(tài)文明水平，從而客觀評價(jià)城市生態(tài)交通。BP神經(jīng)網(wǎng)絡(luò)生態(tài)交通評價(jià)的步驟為：原始數(shù)據(jù)采集和歸一化處理，建立神經(jīng)網(wǎng)絡(luò)、學(xué)習(xí)訓(xùn)練過程和生態(tài)交通評價(jià)模型，并將模型應(yīng)用到實(shí)例分析評價(jià)來檢驗(yàn)?zāi)Ｐ偷挠行浴?/p>

3.1原始數(shù)據(jù)的采集和歸一化處理

隨著城市交通的快速發(fā)展，可持續(xù)發(fā)展的生態(tài)交通建設(shè)得到人們的普遍重視。在生態(tài)城市的背景下，以2015年《GN中國低碳生態(tài)城市指標(biāo)體系》中生態(tài)宜居前十的城市交通各項(xiàng)指標(biāo)數(shù)據(jù)作為網(wǎng)絡(luò)學(xué)習(xí)樣本。物理意義不同的生態(tài)交通評價(jià)指標(biāo)在數(shù)值區(qū)間有較大的差別，為避免神經(jīng)網(wǎng)絡(luò)在訓(xùn)練過程調(diào)整權(quán)值時(shí)進(jìn)入誤差曲面平坦區(qū)，采用mapmin max函數(shù)實(shí)現(xiàn)訓(xùn)練樣本的歸一化。調(diào)用matlab的函數(shù)格式為：

[inputn,inputps]=mapmin max(input_train)

其中，input_train為神經(jīng)網(wǎng)絡(luò)輸入層的原始向量，inputn是經(jīng)過歸一化處理的輸入向量，inputps為存儲(chǔ)數(shù)據(jù)歸一化過程的函數(shù)結(jié)構(gòu)。

神經(jīng)網(wǎng)絡(luò)評價(jià)結(jié)果的精確度依賴于原始樣本的有效性。鑒于此，對行車舒適度、交通科技進(jìn)步率、交通法規(guī)保障能力、事故應(yīng)對能力、群眾對交警工作的滿意度、交通管理信息化水平等定性指標(biāo)，通過征求交通專家或業(yè)內(nèi)人士的意見以及公眾意向調(diào)查進(jìn)行量化，定性指標(biāo)量化如表2所示。

表2　定性指標(biāo)量化

3.2神經(jīng)網(wǎng)絡(luò)的建立

人工神經(jīng)網(wǎng)絡(luò)是一種運(yùn)算模型，試圖模仿生物神經(jīng)元，由多個(gè)互連的處理單元(神經(jīng)元)一起致力于解決具體問題。網(wǎng)絡(luò)的輸出依賴于網(wǎng)絡(luò)選擇，參數(shù)設(shè)置，隨著連接方式、學(xué)習(xí)函數(shù)、權(quán)值和激勵(lì)函數(shù)的不同而變化。神經(jīng)網(wǎng)絡(luò)按照一定的學(xué)習(xí)規(guī)則調(diào)整2個(gè)節(jié)點(diǎn)間的連接權(quán)重，使權(quán)值收斂到一定值，然后用生成的神經(jīng)網(wǎng)絡(luò)對真實(shí)數(shù)據(jù)挖掘變量間的關(guān)系，進(jìn)而評價(jià)分析。

將歸一化處理后的評價(jià)指標(biāo)分解為3組數(shù)據(jù)，訓(xùn)練、驗(yàn)證和測試數(shù)據(jù)。原始數(shù)據(jù)集input是 24×10維矩陣，output是1×10維矩陣，從中選擇24×8矩陣作為訓(xùn)練樣本，24是神經(jīng)網(wǎng)絡(luò)中輸入層的神經(jīng)元數(shù)，8是神經(jīng)網(wǎng)絡(luò)的訓(xùn)練驗(yàn)證樣本數(shù)。驗(yàn)證數(shù)據(jù)用于神經(jīng)網(wǎng)絡(luò)早期停止，從而防止神經(jīng)網(wǎng)絡(luò)過度擬合以及保證它的精度。輸入測試矩陣為n×u，n=24(和訓(xùn)練、驗(yàn)證數(shù)據(jù)一樣)，u=2，目標(biāo)測試矩陣是1×u。設(shè)置最大的訓(xùn)練次數(shù)為1 000，網(wǎng)絡(luò)最大的允許誤差值設(shè)置為10-5。神經(jīng)網(wǎng)絡(luò)訓(xùn)練之后用于分析預(yù)測城市的生態(tài)交通水平，為制定城市生態(tài)交通發(fā)展戰(zhàn)略措施提供依據(jù)。

3.3實(shí)驗(yàn)仿真

%下載原始輸入輸出數(shù)據(jù)：

loaddatainputoutput

%神經(jīng)網(wǎng)絡(luò)訓(xùn)練、測試樣本數(shù)據(jù)：

input_train=input[：，1：8]

output_train=output[1：8]

output_test=output[9：10]

input_test=input[：，9：10]

%訓(xùn)練樣本輸入輸出數(shù)據(jù)歸一化：

[inputn,inputps]=mapminmax(input_train)

[outputn,outputps]=mapminmax(output_train)

%BP神經(jīng)網(wǎng)絡(luò)仿真：

net=newff(minmax(inputn),[12 1],{‘logsig’,‘purelin’},‘traingda’)

net.trainParam.epochs=1000

net.trainParam.goal=0.00001

net=train(net,inputn,outputn)

y=sim(net,inputn)

Y=mapminmax(‘reverse’,y,outputps)

%待評價(jià)城市:

inputn_test=mapminmax(‘a(chǎn)pply’,input_test,inputps)

an=sim(net,inputn_test)

Youtput=mapminmax(‘reverse’,an,outputps)

figure(1)

plot(Youtput,‘:og’)

hold on

plot(output_test,‘-*’)

title(‘生態(tài)交通評價(jià)模型預(yù)測輸出’,‘fontsize’,12)

ylabel(‘評分’,‘fontsize’,12)

xlabel(‘城市’,‘fontsize’,12)

%預(yù)測誤差:

error=(BPoutput-output_test)./output_test

figure(2)

plot(error,‘-*’)

title(‘神經(jīng)網(wǎng)絡(luò)預(yù)測誤差’,‘fontsize’,12)

ylabel(‘誤差’,‘fontsize’,12)

xlabel(‘城市’,‘fontsize’,12)

運(yùn)行以上程序，得到神經(jīng)網(wǎng)絡(luò)的生態(tài)交通評價(jià)水平的輸出值。表4顯示的是網(wǎng)絡(luò)輸出值與2015《GN中國低碳生態(tài)城市指標(biāo)體系》前十宜居城市的評分對比情況表。

通過仿真測試，對信陽、柳州2個(gè)城市生態(tài)交通水平進(jìn)行預(yù)測評價(jià)。得出的城市生態(tài)交通水平與GN 生態(tài)宜居城市實(shí)際評分基本相符，為制定城市生態(tài)交通發(fā)展戰(zhàn)略措施提供依據(jù)。信陽市城市交通生態(tài)化水平高于柳州市，兩者總體水平都處于生態(tài)化建設(shè)時(shí)期，道路通達(dá)性及城市綠化建設(shè)方面生態(tài)化水平較高，而交通網(wǎng)絡(luò)在高效、安全、舒適等方面生態(tài)化水平有待進(jìn)一步完善。實(shí)驗(yàn)結(jié)果顯示：自適應(yīng)神經(jīng)網(wǎng)絡(luò)通過學(xué)習(xí)訓(xùn)練，可挖掘城市生態(tài)交通評價(jià)指標(biāo)的內(nèi)在聯(lián)系，具有良好的預(yù)測精度，驗(yàn)證人工神經(jīng)網(wǎng)絡(luò)用于城市生態(tài)交通評價(jià)是可行且有效的。

表3　各城市生態(tài)交通評價(jià)指標(biāo)數(shù)據(jù)

注：以上數(shù)據(jù)為實(shí)驗(yàn)數(shù)據(jù)，部分?jǐn)?shù)據(jù)為估測，僅作為參考。

表4　生態(tài)宜居城市評分網(wǎng)絡(luò)輸出值與實(shí)際值對比

4　結(jié)束語

從城市交通的顯性問題出發(fā)，根據(jù)生態(tài)城市發(fā)展對城市交通系統(tǒng)的內(nèi)涵與規(guī)律的變革要求，構(gòu)建基于協(xié)同理論的“四位一體”城市生態(tài)交通模型及評價(jià)指標(biāo)體系。把自學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)評估技術(shù)應(yīng)用于城市生態(tài)交通領(lǐng)域有其現(xiàn)實(shí)的價(jià)值，補(bǔ)充和完善城市生態(tài)交通的定量評價(jià)思路和方法。驗(yàn)證了該方法能反映城市交通系統(tǒng)生態(tài)化建設(shè)的基本水平， 全面綜合地把握系統(tǒng)，為城市生態(tài)交通系統(tǒng)的規(guī)劃建設(shè)提供必要的參考。

[1]胡小軍，張希良.走可持續(xù)城市交通之路[J].環(huán)境保護(hù)，2003，12(1):49-50.

[2]李智，鞠美庭.交通規(guī)劃環(huán)境影響評價(jià)的指標(biāo)體系探討[J].交通環(huán)保，2004，25(6):16-19.

[3]姜玉梅，郭懷成.城市生態(tài)交通系統(tǒng)綜合評價(jià)方法及應(yīng)用[J].環(huán)境科學(xué)研究，2007，20(6):158-163.

[4]王釗.城市生態(tài)交通系統(tǒng)綜合評價(jià)方法研究[D].合肥:合肥工業(yè)大學(xué)，2009:.

[5]余躍武.基于BP神經(jīng)網(wǎng)絡(luò)的城市生態(tài)交通系統(tǒng)評價(jià)研究[D].南京:南京林業(yè)大學(xué)，2013.

[6]王煒，徐吉謙，楊濤，等.城市交通規(guī)劃理論及其應(yīng)用[M].南京:東南大學(xué)出版社，1998.

[7]王煒，項(xiàng)喬君，常玉林，等.城市交通系統(tǒng)能源消耗與環(huán)境影響分析方法[M].北京:科學(xué)出版社，2002.

[8]張軍.城市交通系統(tǒng)可持續(xù)發(fā)展綜合評價(jià)研究[D].成都:西南交通大學(xué)，2007.

[9]鄭永，陳艷.基于BP 神經(jīng)網(wǎng)絡(luò)的高校教師教學(xué)質(zhì)量評價(jià)模型[J].重慶理工大學(xué)學(xué)報(bào)(自然科學(xué))，2015，29(1):85-90.

[10]曹紅錦，常思江.基于神經(jīng)網(wǎng)絡(luò)的彈道修正彈落點(diǎn)預(yù)測方法[J].四川兵工學(xué)報(bào)，2015(1):17-20.

[11]江務(wù)學(xué).基于結(jié)構(gòu)優(yōu)化遞歸神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測[J].西南大學(xué)學(xué)報(bào)(自然科學(xué)版)，2016(2):149-154.

[12]李文琴，曾廣樸，文俊浩.基于神經(jīng)網(wǎng)絡(luò)的人臉識別系統(tǒng)[J].激光雜志，2015，36(3):54-57.

[13]吳閩帆.基于隨機(jī)變異優(yōu)化選擇規(guī)則的神經(jīng)網(wǎng)絡(luò)在股指期貨價(jià)格預(yù)測中的應(yīng)用[D].廈門:廈門大學(xué)，2014.

(責(zé)任編輯劉舸)

Application of Adaptive Neural Network in Evaluation of Ecological Transport System

SU Nan1， HUANG Xia2

(1.College of Traffic & Transportation, Chongqing Jiaotong University,Chongqing 400074, China; 2.Information Science School，Guangdong University of Finance & Economics, Guangzhou 510320, China)

An intelligent traffic ecological evaluation model, taking neural network structure as the core and being combined with the synergistic the synergistic theory to establish “four in one” eco-city traffic model and evaluation system, from four aspects of the people-oriented traffic culture, healthy and harmonious traffic environment, safety and efficient transportation network and accessible improved integrated transport, to discover the objective laws of ecological information transport systems and to explore ecological evaluation level of traffic.

ecological transport system; evaluation system; adaptive neural network

2016-04-04

蘇南(1993—)，男，湖南衡陽人，碩士研究生，主要從事生態(tài)交通影響評價(jià)，生態(tài)交通規(guī)劃研究,E-mail：sunan5920@126.com。

format：SU Nan，HUANG Xia.Application of Adaptive Neural Network in Evaluation of Ecological Transport System[J].Journal of Chongqing University of Technology(Natural Science)，2016(10):101-107.

10.3969/j.issn.1674-8425(z).2016.10.016

X826

A

1674-8425(2016)10-0101-07

引用格式：蘇南，黃霞.自適應(yīng)神經(jīng)網(wǎng)絡(luò)在生態(tài)交通系統(tǒng)評價(jià)中的應(yīng)用[J].重慶理工大學(xué)學(xué)報(bào)(自然科學(xué))，2016(10):101-107.