基于改进小波神经网络模型的交通流预测研究

发布时间：2017-03-19 11:05

  本文关键词：基于改进小波神经网络模型的交通流预测研究，，由笔耕文化传播整理发布。

【摘要】：智能交通管理系统是解决现代交通问题的重要手段,然而城市道路交通系统变化复杂,极难预测。作为智能交通系统的基础问题,短时交通流预测具有重要的意义,因此,本文重点研究的是在对交通流的相关基础知识进行分析的基础之上,交通流预测模型使用及其改进,这就需要对历史和实时的交通流数据进行收集及处理,研究目的是为智能交通管理系统提供基础数据和决策支持,使得交通管理决策更加科学化。由于交通流问题是复杂和非线性的,目前,任何单一的预测模型都无法完全满足或匹配预测的要求,因此本文对预测模型进行了一定的改进。本文的主要工作有以下三个方面:第一,本文分析了交通流的基本定义,性质,并阐述了交通流数据采集方法,分析了数据异常识别方法,并介绍了四类交通流的预测模型。第二,本文首先研究了广泛应用的交通流预测模型-神经网络,在此基础上,提出了改进的粒子群算法优化小波神经网络模型对交通流进行预测。鉴于小波神经网络极强的非线性处理能力、自组织、自适应和学习能力,采用其作为基本预测模型,然而小波神经网络也存在收敛速度慢等缺点,因此利用粒子群算法收敛速度快、鲁棒性高、全局搜索能力强的优点,选择粒子群优化算法对小波神经网络的参数进行训练,组成粒子群算法小波神网络预测模型,以改进基本小波神经网络模型在短时交通流预测中的性能。最后,本文进一步研究对于粒子群算法的改进,改进的思路主要是从粒子群算法的关键参数着手,基于云模型在改进群智能算法上显出的优点,本文采用云模型优化粒子群算法,使粒子群算法的搜索和寻优能力得以提高,由此建立了基于云粒子群算法优化小波神经网络的短时交通流模型。第三,基于交通流的仿真实验,本文分析比较了基本粒子群算法和改进的粒子群算法优化小波神经网络模型的优缺点,以及各个模型预测结果的误差对比。
【关键词】：智能交通管理系统 小波神经网络 粒子群算法 改进的粒子群算法
【学位授予单位】：上海工程技术大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP183;U491.14
【目录】：

• 摘要6-7
• ABSTRACT7-11
• 第一章 绪论11-20
• 1.1 交通流预测研究的背景及意义11-13
• 1.1.1 研究的背景11-12
• 1.1.2 研究的意义价值体现12-13
• 1.2 交通流预测模型国内外研究现状13-16
• 1.2.1 交通流预测模型研究13-15
• 1.2.2 基本小波神经网络预测模型及模型的改进15-16
• 1.3 本文的内容框架16-18
• 1.4 论文章节安排18-20
• 第二章 交通流短时预测的背景知识20-28
• 2.1 交通预测的基本概念20-22
• 2.1.1 交通流预测的基本概念20-21
• 2.1.2 交通流预测基本流程21-22
• 2.2 交通流数据采集和数据分析22-26
• 2.2.1 交通流数据采集22-25
• 2.2.2 交通流数据异常的识别25
• 2.2.3 交通流故障数据的修复方法25-26
• 2.3 交通流短时预测的基本方法26-27
• 2.4 本章小结27-28
• 第三章 基于小波神经网络模型的交通流预测28-45
• 3.1 神经网络模型介绍28-33
• 3.1.1 神经网络算法原理29-31
• 3.1.2 BP算法实现流程31-33
• 3.2 小波神经网络预测模型33-36
• 3.2.1 小波神经网络模型基础33-35
• 3.2.2 基于小波神经网络交通预测的流程图35-36
• 3.3 交通流数据的处理36
• 3.4 交通流仿真实验36-44
• 3.4.1 交通流数据预处理及来源36-39
• 3.4.2 交通流预测仿真实验39-42
• 3.4.3 小波神经网络模型的优点及不足42-44
• 3.5 本章小结44-45
• 第四章 基于改进小波神经网络模型的交通预测45-68
• 4.1 基于粒子群算法改进的小波神经网络模型45-49
• 4.1.1 粒子群算法45-47
• 4.1.2 基本粒子群算法流程47
• 4.1.3 粒子群算法的改进47-49
• 4.2 基于粒子群算法优化小波神经网络49-50
• 4.2.1 基于粒子群算法优化小波神经网络预测算法步骤49-50
• 4.3 粒子群算法优化的小波神经网络的交通流预测50-54
• 4.3.1 交通流仿真实验50-53
• 4.3.2 基本PSO算法优化小波神经网络存在的问题53-54
• 4.4 云模型54-57
• 4.4.1 云模型的理论背景54-55
• 4.4.2 云模型的发展与应用55-56
• 4.4.3 云模型的理论基础56-57
• 4.5 云粒子群算法57-61
• 4.5.1 粒子更新公式的改进57-58
• 4.5.2 ICPSO算法流程58-61
• 4.6 基于云粒子群优化小波神经网络的模型61-66
• 4.6.1 基于云粒子群算法优化的小波神经网络的交通流预测仿真实验62-64
• 4.6.2 模型试验对比64-66
• 4.7 本章小结66-68
• 第五章 交通流预测结果在智能交通管理系统(ITMS)中的应用68-73
• 5.1 智能交通管理系统（ITMS）介绍68-69
• 5.2 交通流预测在智能交通系统中的应用69-73
• 第六章 研究结论与展望73-76
• 6.1 研究结论73-74
• 6.2 研究展望74-76
• 参考文献76-79
• 附录79-85
• 攻读硕士学位期间发表的学术论文及取得的相关科研成果85-86
• 致谢86-87

【相似文献】

中国期刊全文数据库 前10条

1 黄永红;徐勇;;基于小波神经网络的某边坡预测研究[J];测绘工程;2012年02期

2 祖哲;毕贵红;刘力;郝娟;;基于小波神经网络的电力系统短期负荷预测模型研究[J];计算机技术与发展;2012年10期

3 霍禹同;;基于小波神经网络的电机自动控制研究[J];信息与电脑(理论版);2013年09期

4 江亚东,丁丽萍,夏克俭,李恪,陈因颀;基于小波神经网络的混沌模式提取[J];北京科技大学学报;2001年05期

5 陈农,贾区耀;用自适应小波神经网络辨识动态实验数据[J];飞行力学;2001年01期

6 张增芳,陈瑞中,齐保谦,陆英北;基于小波神经网络的心电数据压缩研究[J];广西工学院学报;2002年01期

7 任少龙,钟秋海,严承华;小波神经网络在装备研制费预测与控制中的应用[J];海军工程大学学报;2002年05期

8 董杰,马壮,吴云,李嘉林;遗传小波神经网络在飞机加油管路设计中的应用[J];机械科学与技术;2002年S1期

9 赵学智,邹春华,陈统坚,叶邦彦,彭永红;小波神经网络的参数初始化研究[J];华南理工大学学报(自然科学版);2003年02期

10 杨春玲,杨茂华,胡艳,戴景民;小波神经网络在多波长辐射测温中的应用[J];计量学报;2003年04期

中国重要会议论文全文数据库 前10条

1 胡博;陶文华;崔博;白一彤;尹旭;;基于小波神经网络的异步电机故障诊断[A];2009中国控制与决策会议论文集（2）[C];2009年

2 何正友;钱清泉;;一种改进小波神经网络模型在电力故障信号识别中的应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

3 鲁艳军;陈汉新;陈绪兵;;基于小波神经网络的齿轮裂纹故障诊断[A];节能减排 绿色制造 智能制造——低碳经济下高技术制造产业与智能制造发展论坛论文集[C];2010年

4 董健;尹萌;张辉;;小波神经网络结合多项式的混合预测方法在通信规划中的应用[A];2011全国无线及移动通信学术大会论文集[C];2011年

5 谢建宏;张为公;;复合材料疲劳剩余寿命预测的动态小波神经网络方法[A];第二届全国信息获取与处理学术会议论文集[C];2004年

6 陈建秋;张新政;;基于小波神经网络的水质预测应用研究[A];2006中国控制与决策学术年会论文集[C];2006年

7 孙正贵;;小波神经网络的高效学习算法及应用研究[A];中南六省（区）自动化学会第24届学术年会会议论文集[C];2006年

8 黄敏;朱启兵;崔宝同;;基于小波神经网络的轧机特性回归[A];2007中国控制与决策学术年会论文集[C];2007年

9 周绍磊;张文广;李新;;一种基于改进遗传算法的小波神经网络[A];2007年中国智能自动化会议论文集[C];2007年

10 杜青;刘剑飞;刘娟;乔延华;;基于小波神经网络的模拟调制信号自动识别[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集（下册）[C];2007年

中国博士学位论文全文数据库 前10条

1 侯霞;小波神经网络若干关键问题研究[D];南京航空航天大学;2006年

2 章文俊;小波神经网络算法及其船舶运动控制应用研究[D];大连海事大学;2014年

3 高协平;小波参数化与小波神经网络研究[D];湖南大学;2003年

4 宋清昆;自适应结构优化神经网络控制研究[D];哈尔滨理工大学;2009年

5 李永红;广义小波神经网络实现雷达相关滤波的研究[D];大连海事大学;2000年

6 银俊成;量子信道与量子小波神经网络相关问题研究[D];陕西师范大学;2013年

7 李文军;多小波和小波神经网络构造及其在电弧故障诊断中的应用研究[D];吉林大学;2008年

8 刘守生;遗传算法与小波神经网络中若干问题的研究[D];南京航空航天大学;2005年

9 黄同成;基于小波神经网络理论的VOCR与HOCR技术研究[D];上海大学;2008年

10 蔡振禹;基于粗集—小波神经网络的煤炭企业管理研究[D];天津大学;2007年

中国硕士学位论文全文数据库 前10条

1 张清华;小波神经网络参数优化及其应用[D];东北农业大学;2009年

2 王建双;基于小波神经网络控制器设计与研究[D];哈尔滨理工大学;2009年

3 张蓉晖;小波神经网络及其在模拟电路诊断中的应用[D];华中科技大学;2008年

4 吴曦;基于随机小波神经网络的一类随机过程的逼近[D];西北工业大学;2001年

5 王勇;基于小波神经网络的模拟电路故障诊断的研究[D];内蒙古工业大学;2006年

6 孙新强;基于小波神经网络的板料冲压回弹研究[D];西南交通大学;2015年

7 但立;基于小波神经网络的地面三维激光扫描点云数据的滑坡监测研究[D];长安大学;2015年

8 葛小川;基于小波神经网络的某坦克炮平衡与定位控制[D];南京理工大学;2015年

9 蔡崇国;小波分析在大功率交流伺服系统中的应用研究[D];南京理工大学;2015年

10 卢金长;数据挖掘技术在上证指数预测中的应用研究[D];云南财经大学;2015年

  本文关键词：基于改进小波神经网络模型的交通流预测研究，由笔耕文化传播整理发布。

本文编号：255958