详情

原文传递基于小波和傅立叶变换的道路交通量预测研究

论文题名：	基于小波和傅立叶变换的道路交通量预测研究
关键词：	道路交通量预测;小波变换;傅立叶变换
摘要：	道路交通量预测一直是道路交通管理的一项重要内容，本文在分析国内外研究现状的基础上，围绕道路交通量预测方法进行了深入和系统的理论和方法研究，并开展了实际应用。其中主要内容如下：　　一、针对当前道路交通量时间序列中含有大量的异常数据，本文在阐述小波变换基本原理的基础上，提出了基于小波变换模极大值的异常数据识别和修正方法，该方法综合运用了小波变换和统计学相关理论，在实际异常数据的识别和纠正中取得了良好的效果。　　二、由于本文在预测中大量使用小波变换，针对小波分解Mallat算法进行时间序列分解时所带来的边界误差问题，本文提出了基于最大能量周期的时间序列延拓方法，并将此方法应用到实际数据的延拓中，通过将延拓后的预测结果同采用对称延拓、补零延拓函数插值延拓所得数据的预测结果进行了比较表明，基于最大能量周期的时间序列延拓方法能很好的适合道路交通时间序列，对降低预测误差起到一定的作用。　　三、针对道路交通量时间序列中含有大量的噪声，本文在对小波去噪理论进行探讨的基础上，提出了交通量序列去噪时阈值计算中σ确定的一种改进方法，并将之与其它的σ确定方式对预测所带来的影响进行了定量的对比分析，同时分析了软阈值、硬阈值、几乎硬阈值在交通量时间序列去噪中的优劣。　　四、提出了道路交通量预测的小波分解组合预测方法。在对道路交通时间序列进行小波分解去噪后，利用傅立叶变换的频谱分析功能，本文对交通量时间序列周期进行了详细的分析，指出小时交通量时间序列中包含的周期有24小时，12小时，8小时和6小时，通过小波包变换把交通量时间序列中的各种周期特征分离出来，并且在对道路交通量时间序列中混沌特性进行分析的基础上，提出采用小波包分解来提取混沌特征，并将之应用于原始时间序列和ARIMA模型拟合残差中的混沌特性提取，然后对于小波包的各个分解项（各周期项、混沌项、随机项），在验证全部分别建模并不能提高预测精度的基础上，提出了基于倍周期的小波包分解项合并策略，并将之应用于实际的交通量预测中问题中，取得了良好的效果，并利用Dmeyer小波基来作小波分解以达到优化模型预测结果的目的。　　五、对小波分解预测方法进行了优化。在对混沌预测的相关理论与方法进行探讨的基础上，提出一种组合方法来确定混沌预测中相空间重构的嵌入维，并在实际的运算中进行了检验。由于基于最大Lyapunov指数预测法适合时间序列剧烈变动的情况，而加权一阶局域预测法适合时间序列较平缓的情况，本文针对这一情况，结合道路交通时间序列的平稳中带有剧烈波动的特征，提出将两种方法结合起来，形成组合模型进行预测，将其应用于小波分解预测模型中混沌分解项的预测中，能很好的优化小波预测模型。　　通过对通辽市国道G111的道路交通量进行预测，主要是小时交通量预测和日交通量预测，验证了本文提出的方法。对于小时交通量预测，把两种小波包分解组合方式进行了对比，并对残差中的混沌特性提取时的小波分层数进行了探讨，在日交通量预测，组合预测方法较单一方法具有显著的优势，并分析了噪声对预测的影响，印证了去噪的必要性。通过分析异常数据对道路交通量预测的影响，说明对异常数据进行修正是必需的。
作者：	刘彬生
专业：	管理科学与工程
导师：	李一军
授予学位：	博士
授予学位单位：	哈尔滨工业大学
学位年度：	2006
正文语种：	中文