本文選題：遺傳算法 + 小波神經(jīng)網(wǎng)絡(luò)��； 參考：《科學(xué)技術(shù)與工程》2017年28期

【摘要】：由于時(shí)間序列的交通數(shù)據(jù)重點(diǎn)關(guān)注斷面交通流量變化,而空間序列的交通數(shù)據(jù)主要關(guān)注路網(wǎng)交通流分布。在綜合考慮二者特性的前提下利用遺傳算法的群體搜索技術(shù)及小波神經(jīng)網(wǎng)絡(luò)的較強(qiáng)學(xué)習(xí)能力,提出了基于遺傳-小波神經(jīng)網(wǎng)絡(luò)(GAWNN)的交通數(shù)據(jù)融合模型。使用MAE、MRE和MSE三個(gè)指標(biāo)對(duì)交通數(shù)據(jù)序列進(jìn)行優(yōu)劣對(duì)比分析。經(jīng)實(shí)例驗(yàn)證,考慮時(shí)空特性的交通數(shù)據(jù)其數(shù)據(jù)質(zhì)量?jī)?yōu)于單一的時(shí)間序列和空間序列。
[Abstract]:The traffic data of the time series focus on the change of the traffic flow of the section, and the traffic data of the space sequence are mainly concerned with the traffic flow distribution of the road network. The genetic algorithm based on the genetic algorithm and the strong learning ability of the wavelet neural network are put forward based on the genetic algorithm based on the characteristics of the two persons. The traffic data fusion model of NN) is used to compare and analyze the traffic data sequence with three indexes of MAE, MRE and MSE. The data quality of the traffic data considering the temporal and spatial characteristics is better than the single time series and the spatial sequence.

【作者單位】： 重慶交通大學(xué)交通運(yùn)輸學(xué)院;重慶交通大學(xué)重慶山地城市交通系統(tǒng)與安全實(shí)驗(yàn)室;
【分類(lèi)號(hào)】：U491

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王芬;馬濤;;基于小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)[J];寧夏師范學(xué)院學(xué)報(bào);2012年06期

2 吳東平;盧耀軍;涂萬(wàn)堂;;基于小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交叉口交通沖突預(yù)測(cè)[J];武漢勘察設(shè)計(jì);2011年01期

3 胡紀(jì)元;文鴻雁;周呂;陳冠宇;;基于小波神經(jīng)網(wǎng)絡(luò)的隧道變形預(yù)測(cè)模型研究[J];公路工程;2014年04期

4 楊英俊;趙祥模;;基于小波神經(jīng)網(wǎng)絡(luò)的出租車(chē)保有量預(yù)測(cè)模型[J];公路交通科技;2012年08期

5 沈永增;閆紀(jì)如;王煒;;基于混沌粒子群優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)[J];計(jì)算機(jī)應(yīng)用與軟件;2014年06期

6 王琦;;基于小波神經(jīng)網(wǎng)絡(luò)的高速公路區(qū)域經(jīng)濟(jì)影響評(píng)價(jià)[J];北方交通;2009年02期

7 黃恩洲;;基于粒子群—小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通量預(yù)測(cè)[J];黑龍江工程學(xué)院學(xué)報(bào);2014年02期

8 肖旺新,張雪;小波神經(jīng)網(wǎng)絡(luò)在基于圖象處理的路面破損識(shí)別中的應(yīng)用[J];公路交通技術(shù);2005年04期

9 王磊;張建仁;金鵬飛;;基于小波神經(jīng)網(wǎng)絡(luò)銹蝕鋼筋強(qiáng)度預(yù)測(cè)研究[J];公路交通科技;2010年03期

10 楊超;王志偉;;經(jīng)GA優(yōu)化的WNN在交通流預(yù)測(cè)中的應(yīng)用[J];計(jì)算機(jī)工程;2011年14期

相關(guān)會(huì)議論文 前1條

1 葛廣英;程衛(wèi)國(guó);吳金勇;張曉蕾;;基于小波神經(jīng)網(wǎng)絡(luò)的智能交通管理系統(tǒng)[A];2005年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2005年

相關(guān)碩士學(xué)位論文 前10條

1 趙光偉;BP小波神經(jīng)網(wǎng)絡(luò)在地鐵隧道變形分析中的應(yīng)用[D];東華理工大學(xué);2015年

2 陶麗;基于改進(jìn)小波神經(jīng)網(wǎng)絡(luò)模型的交通流預(yù)測(cè)研究[D];上海工程技術(shù)大學(xué);2016年

3 吳兆;基于小波神經(jīng)網(wǎng)絡(luò)的斜拉橋損傷識(shí)別方法研究[D];長(zhǎng)沙理工大學(xué);2015年

4 唐美霞;基于實(shí)時(shí)路況的動(dòng)態(tài)路徑規(guī)劃研究[D];杭州電子科技大學(xué);2016年

5 劉文亞;基于徑向基改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)的航道交通安全評(píng)價(jià)[D];大連海事大學(xué);2016年

6 孫麗娟;基于遺傳算法的小波神經(jīng)網(wǎng)絡(luò)短時(shí)交通流預(yù)測(cè)[D];山東科技大學(xué);2009年

7 易功超;基于小波神經(jīng)網(wǎng)絡(luò)的預(yù)應(yīng)力混凝土梁橋健康狀態(tài)模擬分析[D];華南理工大學(xué);2013年

8 劉聰聰;小波神經(jīng)網(wǎng)絡(luò)算法及其在交通流宏觀動(dòng)態(tài)特性中的應(yīng)用[D];重慶大學(xué);2014年

9 金玉婷;基于混沌和小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)方法研究[D];西南交通大學(xué);2014年

10 史毅仁;車(chē)聯(lián)網(wǎng)中數(shù)據(jù)融合的研究[D];北京交通大學(xué);2017年

，

本文編號(hào)：1838183