發(fā)布時間：2018-09-08 09:24

【摘要】：以多要素氣象檢測器采集的樣本數(shù)據(jù)為基礎(chǔ),將溫度、風(fēng)速及濕度作為輸入變量,霧天能見度作為輸出變量,分別采用三層結(jié)構(gòu)BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)非線性回歸預(yù)測方法,建立了霧天能見度的預(yù)測模型;將預(yù)測結(jié)果與實(shí)際數(shù)據(jù)進(jìn)行對比分析,結(jié)果表明:BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)均能較好地預(yù)測霧天能見度,其中BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)模型預(yù)測值與實(shí)際值的相關(guān)性分別為0.895和0.978,支持向量機(jī)預(yù)測結(jié)果的誤差更穩(wěn)定,表明支持向量機(jī)更適于處理小樣本、非線性、維數(shù)災(zāi)難和局部極小等問題。
[Abstract]:Based on the sample data collected by multi-factor meteorological detector, temperature, wind speed and humidity are taken as input variables, visibility in fog is taken as output variable, and three-layer structure BP neural network and support vector machine nonlinear regression forecasting method are adopted respectively. The prediction model of fog visibility is established, and the comparison between the prediction results and the actual data shows that both the 1: BP neural network and the support vector machine can predict the visibility of fog weather. The correlation between the predicted value and the actual value of BP neural network and support vector machine model is 0.895 and 0.978 respectively. The error of prediction result of support vector machine is more stable, which indicates that support vector machine is more suitable for dealing with small sample and nonlinear. Problems such as dimensionality disaster and local minimization.
【作者單位】： 江西公路開發(fā)總公司;江西省交通工程集團(tuán)有限公司;長沙理工大學(xué)交通運(yùn)輸工程學(xué)院;
【基金】：江西省交通運(yùn)輸廳科技計劃項(xiàng)目,項(xiàng)目編號2013C0008 長沙理工大學(xué)研究生科研創(chuàng)新項(xiàng)目
【分類號】：U492.8

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 叢曉麗;;霧天條件下黑龍江省高速公路交通安全管理方案研究[J];黑龍江交通科技;2013年01期

2 唐紅偉;陳孟潔;;霧天高速公路安全處置研究[J];中國交通信息化;2013年08期

3 高靜如;;基于高速公路交通影響的霧天預(yù)測優(yōu)勢比模型[J];河南科技;2013年17期

4 袁杏孫;;“蝴蝶效應(yīng)”帶給高速公路霧天暢通管理的思考[J];道路交通管理;2009年05期

5 齊瑩菲;柳本民;郭忠印;;高速公路霧天安全管理系統(tǒng)[J];同濟(jì)大學(xué)學(xué)報(自然科學(xué)版);2007年01期

6 駱勇,魏朗;霧天與高速公路交通安全[J];人類工效學(xué);1999年01期

7 陸昌松;;霧天高速公路如何安全開車？[J];安全與健康;2005年24期

8 余浩;戴江麗;;高速公路霧天保障系統(tǒng)的研究和應(yīng)用[J];中國集體經(jīng)濟(jì);2009年28期

9 陳林;沙愛敏;;高速公路霧天行車安全研究[J];交通標(biāo)準(zhǔn)化;2007年12期

10 ;霧天行車 牢記9條安全原則[J];中國減災(zāi);2012年02期

相關(guān)會議論文 前4條

1 張明捷;關(guān)永濤;王惠芳;劉曉燕;范紅霞;齊瑞英;;霧天交通安全指數(shù)預(yù)報[A];濮陽市首屆學(xué)術(shù)年會論文選編[C];2006年

2 傅錄祥;陳書海;馮保紅;文開章;邱孟通;魏福利;王培偉;;霧天能見度改善的基礎(chǔ)研究[A];圖像 仿真 信息技術(shù)——第二屆聯(lián)合學(xué)術(shù)會議論文集[C];2002年

3 劉瑞;易萌;鄭錦;李波;;霧天景物成像的復(fù)原[A];第二屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議(HHME2006)——第15屆中國多媒體學(xué)術(shù)會議(NCMT'06)論文集[C];2006年

4 李衛(wèi)軍;邵龍義;時宗波;李金娟;楊書申;;霧天大氣單顆粒物理化學(xué)特征研究[A];中國氣象學(xué)會2007年年會大氣成分觀測、研究與預(yù)報分會場論文集[C];2007年

相關(guān)重要報紙文章 前10條

1 江成;霧天可望不封高速公路[N];中國安全生產(chǎn)報;2006年

2 陳佳利;濃霧天：加強(qiáng)防護(hù),減少外出[N];南方日報;2007年

3 韓新華;霧天行車要小心[N];保健時報;2007年

4 本報通訊員 鄧俊德;為霧天行車擦亮“眼睛”[N];人民鐵道;2009年

5 ;霧天行車需注意[N];重慶日報;2004年

6 雨柏;霧天不宜晨練[N];保健時報;2006年

7 本報記者 宋開文 實(shí)習(xí)生 劉鑫;成都全年霧天57天[N];四川日報;2007年

8 健康時報特約記者 王曉亮;胸悶可能緣于大霧[N];健康時報;2008年

9 特約記者 張明　通訊員 苗紅俊;強(qiáng)化責(zé)任保霧天安全暢通[N];人民鐵道;2009年

10 趙仁偉邋馬向菲;北京答疑：陰天霧天不一定是污染天氣[N];新華每日電訊;2008年

相關(guān)博士學(xué)位論文 前5條

1 趙宏宇;霧天圖像清晰化技術(shù)的研究[D];北京工業(yè)大學(xué);2015年

2 胡學(xué)友;霧天降質(zhì)圖像的增強(qiáng)復(fù)原算法研究[D];安徽大學(xué);2011年

3 翟藝書;霧天降質(zhì)圖像的清晰化技術(shù)研究[D];大連海事大學(xué);2008年

4 齊保軍;大氣散射模型在霧天圖像增強(qiáng)和海面小目標(biāo)檢測中的應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2013年

5 許志遠(yuǎn);霧天降質(zhì)圖像增強(qiáng)方法研究及DSP實(shí)現(xiàn)[D];大連海事大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 李敏娜;南京霧—霾天氣個例湍流運(yùn)動特征的對比研究[D];南京信息工程大學(xué);2015年

2 王明;霧天降質(zhì)圖像清晰化方法研究[D];昆明理工大學(xué);2015年

3 於敏杰;霧天環(huán)境下的圖像增強(qiáng)算法研究[D];南京理工大學(xué);2015年

4 姜珊;基于物理模型的霧天退化圖像復(fù)原方法[D];沈陽理工大學(xué);2015年

5 高銀;霧天彩色視頻圖像的清晰化算法研究[D];云南師范大學(xué);2015年

6 王偉鵬;基于物理模型的霧天圖像復(fù)原研究[D];華僑大學(xué);2015年

7 姚文靜;霧天高速公路限速控制與仿真評價[D];長沙理工大學(xué);2014年

8 蔣守歡;基于FPGA的霧天圖像恢復(fù)算法研究[D];合肥工業(yè)大學(xué);2014年

9 王晶;霧天圖像清晰化理論與方法研究[D];合肥工業(yè)大學(xué);2014年

10 魯?shù)?不均勻光照下單幅霧天圖像復(fù)原算法研究[D];合肥工業(yè)大學(xué);2015年

，

本文編號：2230116