基于IWOA-WNN的短时交通流预测方法研究

发布时间：2021-12-29 11:52

　　近年来,社会经济高速发展,人们的物质生活水平不断提高,对汽车的需求也随之增长,因此道路车流量不断增加,道路拥堵等交通问题也日益严重,为了缓解这类问题,随着科学技术的发展进步,智能交通系统（Intelligence Transport Systerm.ITS）应运而生,其中,短时交通流预测在智能交通系统中扮演着重要的角色,短时交通流预测的准确性决定了ITS在交通控制与交通引导功能方面的好坏。因此,短时交通流预测方面的研究依然是智能交通领域的热点。本文在短时交通流预测方面的研究主要完成了以下工作:（1）对国内外短时交通流预测现状进行了归纳分析,从短时交通流数据特性出发对常见预测方法分类对比,研究发现,针对短时交通流强非线性这一特性,深层神经网络以其优越的特征学习能力、浅层神经网络以其良好的自学习、自适应以及能够逼近任意非线性映射的能力均成为了短时交通流预测研究的热点,因此,本文分别利用LSTM和WNN对短时交通流进行预测,仿真结果表明,小波神经网络预测精度较高,对短时交通流数据拟合度更好,从而本文选取小波神经网络作为短时交通流预测研究的基础模型。（2）基于IWOA-WNN预测模型的建立。针... 

【文章来源】：上海师范大学上海市

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

交通流预测基本流程

不同周工作日交通流变化对比图

不同周非工作日交通流变化对比图

【参考文献】：
期刊论文
[1]基于相空间重构的GQPSO-WNN短时交通流预测[J]. 唐瑞,陈庆春,类先富.  计算机应用与软件. 2019(07)
[2]非线性权重和收敛因子的鲸鱼算法[J]. 王涛,Ryad Chellali.  微电子学与计算机. 2019(01)
[3]收敛因子非线性变化的鲸鱼优化算法[J]. 龙文,伍铁斌,唐斌.  兰州理工大学学报. 2017(06)
[4]基于灰狼优化算法的微电网并网控制器参数优化设计[J]. 牛成玉,傅仲文.  电器与能效管理技术. 2017(20)
[5]一种随机调整控制参数的鲸鱼优化算法[J]. 钟明辉,龙文.  科学技术与工程. 2017(12)
[6]改进的萤火虫算法及其工程应用[J]. 尹华一,朱顺痣,刘利钊,张千宏.  南京理工大学学报. 2016(06)
[7]基于改进遗传算法的交通流量小波网络预测[J]. 柴良勇,殷礼胜,甘敏,鲁照权,谈堃,张艳.  合肥工业大学学报(自然科学版). 2016(07)
[8]基于小波分析与PSO-ELM的语音端点检测算法研究[J]. 张宇波,邢立钊.  中北大学学报(自然科学版). 2016(01)
[9]改进人工鱼群算法的小波神经网络模型[J]. 刘杰,甘旭升,戴喆,魏野.  火力与指挥控制. 2015(12)
[10]基于人工鱼群神经网络的城市时用水量预测方法[J]. 刘洪波,郑博一,蒋博龄.  天津大学学报(自然科学与工程技术版). 2015(04)

博士论文
[1]一种新型的智能优化方法-人工鱼群算法[D]. 李晓磊.浙江大学 2003

硕士论文
[1]基于改进狼群算法的小波神经网络短时交通流预测[D]. 齐璐.西南交通大学 2017
[2]基于布谷鸟算法的小波神经网络短时交通流预测研究[D]. 黄晓慧.西南交通大学 2016
[3]基于支持向量回归的短时交通流预测方法研究与应用[D]. 武琼.长安大学 2016
[4]基于卡尔曼滤波和小波神经网络的短时交通流预测研究[D]. 陈浩.兰州交通大学 2011



本文编号：3556071