基于混沌和神经网络的短时交通流预测研究

发布时间：2021-09-28 12:47

　　随着我国经济发展及城市化水平的提高,交通运输已经成为国民经济的命脉。当前,城市交通运输出现不同程度的拥堵现象,导致交通路网中车辆行驶速度降低,增加行驶车辆的排队时间,提高人们的出行成本。鉴于此,以计算机数据处理为基础的智能交通系统在城市交通管理工作中发挥着重要的作用,为交通管理决策提供科学的理论指导和技术支持。智能交通系统的关键是交通诱导和交通控制,交通诱导实现的前提是预测道路的交通状况。通过建立适用性、准确性较强的短时交通流预测模型,可以帮助相关部门做好交通诱导工作,从而改进该地区的交通状况。本文结合混沌理论、小波神经网络及改进的鸡群算法对短时交通流预测进行深入研究,主要开展工作如下:（1）为提高算法的收敛速度和预测结果的精度,对修复后的数据进行小波降噪处理。通过C-C法计算时间延迟τ以及嵌入维数m两个因子,使用小数据量法计算出李雅普诺夫指数,依据该指数大于零判定交通流数据具有混沌特性,从而满足短时交通流预测的前提。（2）使用小波神经网络建立短时交通流预测模型,运用改进的鸡群算法优化小波神经网络的权值和平移伸缩因子两个参数,构建基于改进鸡群算法的小波神经网络短时交通流预测模型。最后,... 

【文章来源】：首都经济贸易大学北京市

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

图１．１交通流预测模型??（１）基于智能理论预测模型??，

图１．２论文技术路线图??７??

图２．?１小波神经网络结构图??信息的向前传播与误差的向后传播组成了小波祌经网络的两部分学习过程

【参考文献】：
期刊论文
[1]基于GM-RBF神经网络的股票价格预测分析[J]. 刘述忠.  计算机与现代化. 2018(08)
[2]基于扩展粒子群优化的支持向量机短时交通流预测[J]. 王锦添,蔡延光,黄何列,戚远航.  常熟理工学院学报. 2018(02)
[3]一种LS-SVM在线式短时交通流预测方法[J]. 康军,段宗涛,唐蕾,温兴超.  计算机应用研究. 2018(10)
[4]基于深度学习的短时交通流预测[J]. 罗向龙,焦琴琴,牛力瑶,孙壮文.  计算机应用研究. 2017(01)
[5]优化BPAdaBoost算法及其交通事件检测[J]. 刘庆华,丁文涛,涂娟娟,方守恩.  同济大学学报(自然科学版). 2015(12)
[6]基于TransModeler的中观仿真模型研究与应用[J]. 韦栋,郑淑鉴,佘文晟.  交通科技与经济. 2015(02)
[7]相空间重构的卡尔曼滤波交通流预测研究[J]. 钱伟,杨慧慧,孙玉娟.  计算机工程与应用. 2016(14)
[8]基于混沌时间序列局域法的短时交通流预测[J]. 廖荣华,兰时勇,刘正熙.  计算机技术与发展. 2015(01)
[9]基于突变理论的海上交通安全系统演化[J]. 齐迹,郑中义,李建民.  大连海事大学学报. 2013(04)
[10]相空间重构和SVR联合优化的短时交通流预测[J]. 刘建华.  计算机工程与应用. 2014(03)



本文编号：3411928