原文传递
基于改进小波神经网络的短时交通流预测研究
| 论文题名： | 基于改进小波神经网络的短时交通流预测研究 |
| 关键词： | 公路运输;交通流预测;小波神经网络;蚁群算法;阈值函数法 |
| 摘要： | 交通流预测是智能交通系统实现交通诱导和控制的前提条件。交通流具有很强的非线性和时变性,要求预测模型具有实时性和准确性。因此对交通流进行实时准确的预测是一个热点的研究课题。 交通流看似混乱无章,实际上存在混沌等特性。因此首先对交通流进行可预测分析,如果预测时间小于其预测尺度,便能保证交通流的可预测性。本文利用自相关函数及gp算法分别求出最佳延迟时间和最佳嵌入维数,再建立递归图形象的描述交通流的可预测性。交通流样本的好坏直接影响预测结果;因此需要对交通流数据进行预处理,本文提出一种改进的阈值函数法对交通流进行去噪处理。 大量的前期研究表明采用单一预测算法很难达到预期的精度要求。本文提出了基于改进的蚁群小波神经网络的短时交通流预测方法。该方法初期采用改进蚁群算法对小波神经网络的参数进行训练,在全局范围内获得较优的初始解;后期采用BFGS算法优化小波神经网络,克服了单纯采用蚁群算法进行训练收敛速度慢的缺点。本文提出了一种改进的蚁群算法用于优化小波神经网络。该方法一方面采用自适应的信息素挥发强度,以提高在全局范围内获得较优解的能力;另一方面采用改进的信息素更新公式,以强调最优路径对下一代蚂蚁的影响。文章最后对改进的蚁群小波神经网络(简称IACO IWNN-)进行了实例验证。 |
| 作者： | 赵娟 |
| 专业： | 控制理论与控制工程 |
| 导师： | 徐建闽;黄辉先 |
| 授予学位： | 硕士 |
| 授予学位单位： | 湘潭大学 |
| 学位年度： | 2012 |
| 正文语种： | 中文 |
检索历史
应用推荐
