原文传递
基于开方变换和偏最小二乘的交通流预测优化
| 论文题名： | 基于开方变换和偏最小二乘的交通流预测优化 |
| 关键词： | 交通流;预测模型;优化设计;开方变换;偏最小二乘 |
| 摘要： | 实际采集的交通流时间序列样本通常是被各种类型的噪声污染的，将噪声从原始交通流数据中分离出来，提高交通流预测的准确性是本文研究的重点。 本文的主要工作及创新点如下: (1)利用开方变换的方法将非平稳时间序列转换为平稳序列，对于一个含高斯白噪声的非平稳时间序列，开方变换后会产生一个不应该被忽略的系统误差，而这项系统误差已经忽视了70多年。本文采用泰勒级数展开，利用泰勒展开的前四项推导出高斯白噪声经过开平方变换后的均值和方差的解析公式，在交通流时间序列预测中，包含这项系统误差可使预测的均方根误差降低0.1％-1％。 (2)基于偏最小二乘回归的方法建立预测模型，用PLS的方法分析各模型之间的相关系数，建立回归方程。通过交通流预测实例验证了该模型的有效性，可减小预测结果的平均误差与均方根误差，表现出良好的预测效果。 (3)输入到预测模型的历史数据，以及预测模型本身，都是产生预测误差的直接因素。根据Shannon采样定理，提高交通流序列的采样频率，有利于提高预测的效果。根据中心极限定理，减小统计间隔后的交通流序列，波动性按照指数方式增大。因此，适度提高采样频率，可以可靠地提高短期交通流预测的效果。 |
| 作者： | 刘亚迪 |
| 专业： | 控制工程 |
| 导师： | 杨正瓴;朱昕炤 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
