基于SVM的机动车流量数据分析与预测模型

发布时间：2020-04-16 09:46

【摘要】： 支持向量机是一种新的机器学习算法,以统计学习理论作为其理论基础,它的训练等价于解决一个二次规划问题,采用结构风险最小化原则,具有预测能力强、全局最优及收敛速度快等显著特点。因此,本文从研究混沌时间序列的预测入手,研究了一种基于支持向量机回归理论的预测方法,并将其应用于混沌时间序列预测中。为了验证该算法的性能,我们做了两项工作,一个是利用相空间的重构理论对混沌时间序列进行了单步与多步的预测,并同文献中的神经网络的预测结果进行了比较分析:另一个是在混沌时间序列中加入不同水平的噪声,并同BP网络及RBF网络的预测结果进行了比较分析。仿真结果表明,用支持向量回归算法进行混沌时间序列的预测能够取得比其他方法更好的效果,具有很好的稳健性及泛化能力。 在研究混沌时间序列预测的基础上,本文结合高速公路车流量的特点,对高速公路车流量预测问题进行研究,建立了基于支持向量机的高速公路车流量短期预测的模型,应用实际的负荷数据进行仿真试验,实际试验表明,该方法在预测的效果明显的优于人工神经网络方法。
【图文】：

rl____12、吕吕尤一工，月皿.r护r，，__、_____叮.J，._‘r、O巴丈、屯X.X:，=CXD之—卜，口=U。OJ、，‘，几.内_‘.(‘LJJ的表达支持量机的拟合及预测能力，我们取m二4的单步测曲线以及其相应的误差曲线。翻‘曰U卜匕0。合‘图3.1Ma。key一Glass方程曲线Fig.3.1Maekey一Glassfunctioneurve向量机进行数据的拟合和预测，效果如下:

1汽..~图3.3训练样本拟合误差曲线Fig二3.3trainingsamPlemateherrorcurve~一，一----reseseeeseseewereses1礴
【学位授予单位】：东北大学　
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：TP181;N945.12

【相似文献】

相关期刊论文 前10条

1 薄丽玲;;基于SVM的数字图像水印检测算法设计[J];科技情报开发与经济;2007年33期

2 刘忠铁;;基于SVM的图像特征样本集构造技术研究[J];科技情报开发与经济;2007年26期

3 任俊旭;;基于SVM的企业信息化能力成熟度测度模型研究[J];商业文化(下半月);2011年04期

4 毛伟;;基于支持向量机的回归应用研究[J];科技资讯;2011年12期

5 赵书河,冯学智,都金康,林广发;基于支持向量机的SPIN-2影像与SPOT-4多光谱影像融合研究[J];遥感学报;2003年05期

6 杜晓东,李岐强;支持向量机及其算法研究[J];信息技术与信息化;2005年03期

7 宁朝;基于SVM技术的英文字符识别方法[J];大众科技;2005年08期

8 田红军;王锡怀;肖健梅;;基于SVM的内模控制算法在船舶航向中的应用[J];仪器仪表用户;2010年05期

9 燕孝飞,葛洪伟,黄向前,颜七笙;SVM在羽绒识别中的应用[J];计算机应用与软件;2005年09期

10 韩永章;;基于支持向量机的旋转机械故障诊断研究[J];科技信息;2010年12期

相关会议论文 前10条

1 宋鑫颖;周志逵;;一种基于SVM的主动学习文本分类方法[A];第二十三届中国数据库学术会议论文集（技术报告篇）[C];2006年

2 于湘涛;周峰;张兰;魏超;;基于SVM和田口方法的石英挠性加速度计健壮性设计[A];质量——持续发展的源动力：中国质量学术与创新论坛论文集（下）[C];2010年

3 周广春;潘登;;面外均布荷载作用下砌体墙板破坏模式特征值提取的SVM方法[A];工程设计与计算机技术：第十五届全国工程设计计算机应用学术会议论文集[C];2010年

4 ;A Tool Wear Predictive Model Based on SVM[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

5 ;A CDMA Signal Receiver Based on LS-SVM[A];第二十六届中国控制会议论文集[C];2007年

6 司爱威;冯辅周;江鹏程;饶国强;王建;;基于可变风险SVM模型的故障识别方法研究[A];第十届全国振动理论及应用学术会议论文集（2011）上册[C];2011年

7 王红伟;董慧;;一种提高SVM分类精度的调制信号识别方法[A];2010年西南三省一市自动化与仪器仪表学术年会论文集[C];2010年

8 ;Improved Particle Swarm Optimized SVM for Short-term Traffic Flow Predication[A];第二十六届中国控制会议论文集[C];2007年

9 邵杰;叶宁;容亦夏;;基于SVM的多波束测深数据滤波[A];第二十九届中国控制会议论文集[C];2010年

10 ;Adaptive Control of Nonlinear System Based on SVM Online Algorithm[A];中国自动化学会控制理论专业委员会D卷[C];2011年

相关重要报纸文章 前6条

1 郭涛;利用SVM虚拟化技术实现容灾[N];中国计算机报;2008年

2 本报记者 韩露;乱军之中智者胜[N];证券时报;2000年

3 ;基于网络层的存储虚拟化是主流[N];中国计算机报;2008年

4 本报记者 郭平;LSI发布新存储虚拟化管理器[N];计算机世界;2008年

5 王琨月;存储虚拟化市场的博弈[N];网络世界;2008年

6 刘;LSI Engenio 7900存储面向中端客户[N];电脑商报;2008年

相关博士学位论文 前10条

1 渠瑜;基于SVM的高不平衡分类技术研究及其在电信业的应用[D];浙江大学;2010年

2 申丰山;样例权重估计及在此基础上的SVM[D];西安电子科技大学;2011年

3 宋国明;基于提升小波及SVM优化的模拟电路智能故障诊断方法研究[D];电子科技大学;2010年

4 陈其松;智能优化支持向量机预测算法及应用研究[D];贵州大学;2009年

5 冯云龙;统计学习理论中基于核的算法研究[D];中国科学技术大学;2012年

6 曹志坤;制冷陈列柜性能仿真SVM方法的研究及应用[D];上海交通大学;2010年

7 张婧;基于SVM的肺结节自动识别方法研究[D];华南理工大学;2011年

8 龙艳花;基于SVM的话者确认关键技术研究[D];中国科学技术大学;2011年

9 许敏强;基于话者统计特征和SVM的文本无关话者确认研究[D];中国科学技术大学;2011年

10 杜U

本文编号：2629647