基于混合蛙跳算法和小波神经网络的短时交通流预测方法研究

发布时间：2024-02-16 01:43

　　随着我国城市化建设的扩大,交通拥堵现象愈加频繁,这极大的增加人们在路上的出行时间。智能交通系统通过实时的路况反馈,可以有效地缓解交通拥堵状况,其重要依据便是短时交通流预测,因此深入研究快速准确的短时交通流预测具有重要的实际意义。考虑到短时交通流数据的不确定性和非线性特性,很多模型的预测效果都不算优良。小波神经网络(WNN)综合小波变换和神经网络的优点,在时域频域方面都具备良好的特性,混合蛙跳算法(SFLA)是一种新兴的智能群体算法,它表现出良好的鲁棒性和全局收敛性,可以较快地找到最优解。为此,本文将混合蛙跳算法和小波神经网络结合,使用混合蛙跳算法优化网络的权值,然后用网络实现对短时交通流数据的预测,并用改进的混合蛙跳算法提高预测的速度和准确性,最后加入径向基函数(RBF)神经网络进一步改进短时交通流信号的预测效果。本文主要工作为:(1)对获取到的交通流数据集进行异常数据修复、改进的逐层适应阈值和指数变化阈值函数的小波去噪、相空间重构和归一化处理等操作,接着将预处理后的数据集使用WNN模型进行预测。实验结果表明,该模型可以较好地模拟短时交通流的趋势,但预测效果还有待提高。(2)将混合蛙跳...

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
    1.3 本文的主要内容与结构安排
第二章 交通流理论分析与预处理
    2.1 交通流理论
    2.2 短时交通流特性
    2.3 交通流数据集介绍
    2.4 数据预处理
        2.4.1 数据修复
        2.4.2 数据小波降噪
        2.4.3 数据相空间重构
        2.4.4 数据归一化
    2.5 本章小结
第三章 基于WNN的短时交通流预测
    3.1 神经网络相关理论
        3.1.1 人工神经网络
        3.1.2 小波神经网络
    3.2 小波神经网络
        3.2.1 预测模型构建
        3.2.2 相关参数确定
        3.2.3 小波神经网络学习过程
    3.3 基于WNN的短时交通流预测
        3.3.1 预测评价指标
        3.3.2 实验数据说明
        3.3.3 基于WNN的短时交通流预测步骤
        3.3.4 仿真结果与分析
    3.4 本章小结
第四章 基于ISFLA-WNN的短时交通流预测
    4.1 混合蛙跳算法
        4.1.1 混合蛙跳算法原理
        4.1.2 混合蛙跳算法步骤
    4.2 基于SFLA-WNN的短时交通流预测
        4.2.1 SFLA算法参数设置
        4.2.2 基于SFLA-WNN的短时交通流预测步骤
        4.2.3 仿真结果与分析
        4.2.4 三种群体智能算法对比
    4.3 基于ISFLA-WNN的短时交通流预测
        4.3.1 ISFLA算法改进
        4.3.2 基于ISFLA-WNN模型的短时交通流预测
    4.4 本章小结
第五章 基于ISFLA-WNN-RBF的短时交通流预测
    5.1 数据分解
    5.2 径向基函数神经网络
        5.2.1 RBF神经网络结构
        5.2.2 RBF神经网络学习策略
        5.2.3 ISFLA优化RBF神经网络
        5.2.4 RBF神经网络相关参数
    5.3 基于ISFLA-WNN-RBF的短时交通流预测
        5.3.1 基本步骤及流程
        5.3.2 仿真结果与分析
    5.4 本章小结
总结与展望
参考文献
致谢
攻读学位期间的研究成果



本文编号：3900602