原文传递
模拟退火混沌粒子群算法在短时交通流预测中的应用
| 论文题名： | 模拟退火混沌粒子群算法在短时交通流预测中的应用 |
| 关键词： | 城市交通;交通流预测;BP神经网络;混沌特性;退火粒子群算法 |
| 摘要： | 随着交通流预测成为智能交通系统(ITS)研究中热门的领域之一。我国的许多大城市开始开展相应的智能交通系统的战略规划研究，由于城市路况交通流状态具有非线性和不确定等，因此，全面、准确、及时的交通流预测对城市交通系统控制具有重要的意义。 本文对从PEMS系统上采集到的交通流数据，进行可预测性分析。通过计算交通流时间序列的最大李雅普诺夫（Lyapunov）指数，来进一步分析判断交通流的混沌特性，采用关联积分法(C-C)计算嵌入维数和延迟时间，通过对实测数据进行仿真验证，进一步说明交通流的可预测这一性能。 本文在对神经网络研究的基础上，构建BP神经网络模型，将其应用于短时交通流预测。仿真结果表明该算法具有易陷入局部极小值的缺点，为了克服BP神经网络的缺点，需要将BP神经网络进行改进。本文介绍了基本粒子群算法以及改进后的一些混合方式。根据上述算法，分别构建了用于交通流预测的PSO-BP、CPSO-BP、SAPSO-BP神经网络模型。通过构建好的模型分别对工作日、周末和节假日数据进行预测仿真，仿真结果表明:基于智能算法优化后的BP神经网络在收敛性和预测精度等方面得到了较大改善，从而可以更好地进行短时交通流预测，最后，通过预测指标对预测模型的优劣性进行评价。 为了使预测的效果更加的突出，将混沌算法的思想引入到模拟退火粒子群算法中，设计了模拟退火混沌粒子群算法(SACPSO)。该算法融合了混沌和模拟退火粒子群算法各自的优点，采用单点单步的方式，来构建SACPSO-BP神经网络交通流预测模型。由于工作日、周末和节假日交通流数据具有不相同的影响因素，因此，将分别对这几种情况建立预测模型后进行仿真实验。经对比分析，研究结果表明:SACPSO-BP模型能更好地对短时交通流进行预测。 |
| 作者： | 罗婷 |
| 专业： | 交通运输工程 |
| 导师： | 余立建 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南交通大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
