【摘要】：隨著城市化進(jìn)程的加快,公路隧道在城市交通中的地位越來越重要。由于隧道修建于地下,所以隧道內(nèi)的環(huán)境較為惡劣,對(duì)于隧道的管理也較正常路面復(fù)雜。因此,對(duì)隧道進(jìn)行研究,并給出高效、合理的管理方法非常的有必要。隧道在實(shí)際運(yùn)行過程中會(huì)產(chǎn)生大量的監(jiān)控?cái)?shù)據(jù),而對(duì)這些監(jiān)控?cái)?shù)據(jù)的挖掘?qū)λ淼辣O(jiān)控策略的制定有著巨大的價(jià)值。本文將結(jié)合數(shù)據(jù)挖掘方法和智能方法對(duì)隧道監(jiān)控系統(tǒng)的管理給出一套具體的模型。最后對(duì)CO濃度超標(biāo)時(shí)間和交通堵車狀況進(jìn)行預(yù)測(cè),目的是讓工作人員及時(shí)合理的給出相應(yīng)的解決方法,這對(duì)于減少交通傷害將會(huì)起到重要的作用。關(guān)聯(lián)規(guī)則中非常經(jīng)典的算法是Apriori算法,該算法可以挖掘出各個(gè)項(xiàng)目之間的關(guān)聯(lián)性,對(duì)隧道智能決策的制定非常有幫助。但是該算法具有反復(fù)掃描數(shù)據(jù)庫(kù)和產(chǎn)生大量候選項(xiàng)集的缺點(diǎn)。針對(duì)這兩個(gè)缺點(diǎn),本文加入了事務(wù)壓縮的方法,對(duì)Apriori算法進(jìn)行改進(jìn),減少了掃描數(shù)據(jù)庫(kù)的次數(shù)和候選項(xiàng)集的數(shù)量,提高了算法的效率。針對(duì)隧道數(shù)據(jù)的特點(diǎn),本文引入了權(quán)重的概念,通過對(duì)數(shù)據(jù)記錄縱向加權(quán),區(qū)分不同時(shí)期數(shù)據(jù)的重要性,增強(qiáng)近期數(shù)據(jù)對(duì)挖掘的重要性,保證數(shù)據(jù)挖掘的準(zhǔn)確性。因此,本文提出了改進(jìn)的基于事務(wù)壓縮的加權(quán)關(guān)聯(lián)規(guī)則(Reducing Transaction based Weighted Association Rule)RT-WAR算法。最后,通過實(shí)驗(yàn)將該算法與Apriori算法進(jìn)行了對(duì)比,實(shí)驗(yàn)得出RT-WAR算法在效率上有了很大的提高。通過關(guān)聯(lián)規(guī)則挖掘出的數(shù)據(jù)之間的關(guān)聯(lián)度,對(duì)于預(yù)測(cè)隧道環(huán)境態(tài)勢(shì)和交通態(tài)勢(shì)十分有用,本文預(yù)測(cè)的是CO濃度何時(shí)會(huì)超過正常標(biāo)準(zhǔn)和隧道堵車狀況,利用神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)。在預(yù)測(cè)的初期,依據(jù)關(guān)聯(lián)規(guī)則挖掘的結(jié)果確定神經(jīng)網(wǎng)絡(luò)輸入層的節(jié)點(diǎn)以及初始權(quán)值。這種方法比盲目的給出輸入層因素和隨機(jī)權(quán)值,更有利于加快神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度,同時(shí)提高了預(yù)測(cè)的準(zhǔn)確性。本文建立了一套隧道監(jiān)控系統(tǒng)的預(yù)測(cè)模型,將實(shí)際運(yùn)營(yíng)的武漢水果湖隧道的歷史數(shù)據(jù)作為樣本數(shù)據(jù)進(jìn)行實(shí)驗(yàn),先是將數(shù)據(jù)進(jìn)行預(yù)處理,然后進(jìn)行關(guān)聯(lián)規(guī)則分析,最后用神經(jīng)網(wǎng)絡(luò)對(duì)CO濃度超標(biāo)時(shí)間和堵車狀況進(jìn)行預(yù)測(cè)。通過Matlab仿真實(shí)驗(yàn)可以看出,本文建立的這套模型是行之有效的。
【圖文】：

監(jiān)控系統(tǒng)中的數(shù)據(jù)進(jìn)行深度挖掘，對(duì)于挖掘出的信息作為神和權(quán)值確定的參考依據(jù)，之后使用神經(jīng)網(wǎng)絡(luò)對(duì)樣本數(shù)據(jù)進(jìn)行策。具體章節(jié)研究?jī)?nèi)容如下。主要闡述了文章的研究目的和意義，通過分析目前所處的環(huán)的必要性。通過發(fā)現(xiàn)隧道數(shù)據(jù)的特點(diǎn)，，制定文章研究的具體出了隧道監(jiān)控系統(tǒng)中進(jìn)行數(shù)據(jù)挖掘的必要性和目標(biāo)。介紹了關(guān)聯(lián)規(guī)則算法，對(duì)關(guān)聯(lián)規(guī)則中非常經(jīng)典的算法進(jìn)行了析了該種算法在隧道數(shù)據(jù)挖掘中的不足，從而提出了改進(jìn)的對(duì)隧道監(jiān)控系統(tǒng)中的數(shù)據(jù)進(jìn)行了處理和分析。介紹了神經(jīng)網(wǎng)絡(luò)的相關(guān)知識(shí)，結(jié)合改進(jìn)后算法挖掘出的信息和交通下的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。首先是對(duì)隧道監(jiān)控的整體進(jìn)行了描述，然后將建立好的神經(jīng)道監(jiān)控中，通過 Matlab 仿真實(shí)驗(yàn)檢測(cè)該模型的可行性。本文 1 所示：

圖 2-1 關(guān)聯(lián)規(guī)則算法流程圖聯(lián)規(guī)則的經(jīng)典算法 Apriori 算法規(guī)則挖掘是數(shù)據(jù)挖掘中最常用的一種技術(shù)，而關(guān)聯(lián)規(guī)則挖掘算法泛的就是 Apriori 算法。Apriori 算法是數(shù)組存儲(chǔ)的，只需要使用構(gòu)就能實(shí)現(xiàn)，因此，對(duì)空間要求并不是很高，在很多行業(yè)都可以用。該算法實(shí)現(xiàn)起來也相對(duì)容易。其它的一些算法大多是以這種進(jìn)行的優(yōu)化和改進(jìn)。下面先簡(jiǎn)單的介紹這種算法。riori 算法描述iori 算法是研究的比較早并且應(yīng)用非常廣泛的一種算法，是現(xiàn)在很法的基礎(chǔ)，能較容易的挖掘出所需的頻繁項(xiàng)集，實(shí)現(xiàn)起來也不是法的原理就是循環(huán)的對(duì)數(shù)據(jù)項(xiàng)進(jìn)行層次搜索，從而挖掘出頻繁項(xiàng)
【學(xué)位授予單位】：武漢理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：U456.3;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 傅國(guó)強(qiáng);郭向勇;;動(dòng)態(tài)加權(quán)關(guān)聯(lián)規(guī)則算法的分析與實(shí)現(xiàn)[J];計(jì)算機(jī)工程;2010年23期

2 李成軍;楊天奇;;一種改進(jìn)的加權(quán)關(guān)聯(lián)規(guī)則挖掘方法[J];計(jì)算機(jī)工程;2010年07期

3 李曉林;王建華;廖作文;;一種改進(jìn)的Apriori算法[J];軟件導(dǎo)刊;2010年01期

4 王艷;劉雙紅;李玲玲;;基于加權(quán)關(guān)聯(lián)規(guī)則的選課推薦系統(tǒng)的構(gòu)建[J];鄭州輕工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年05期

5 李彤巖;李興明;;神經(jīng)網(wǎng)絡(luò)在確定關(guān)聯(lián)規(guī)則挖掘算法權(quán)值中的應(yīng)用研究[J];計(jì)算機(jī)應(yīng)用研究;2008年05期

6 閆偉;張浩;陸劍峰;;一種模糊加權(quán)關(guān)聯(lián)規(guī)則算法及其在流程工業(yè)中的應(yīng)用[J];計(jì)算機(jī)集成制造系統(tǒng);2006年07期

7 韓麗艷;;隧道現(xiàn)場(chǎng)實(shí)驗(yàn)監(jiān)控系統(tǒng)的設(shè)計(jì)與研究[J];北京石油化工學(xué)院學(xué)報(bào);2006年02期

8 鄭毅;胡暾;趙哲身;;基于神經(jīng)網(wǎng)絡(luò)的公路隧道通風(fēng)控制[J];微計(jì)算機(jī)信息;2006年13期

9 江征風(fēng);高晉華;;神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制系統(tǒng)的特性、應(yīng)用與發(fā)展[J];武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版);2006年04期

10 張光鵬;雷波;;公路隧道縱向通風(fēng)神經(jīng)網(wǎng)絡(luò)在線控制[J];西南交通大學(xué)學(xué)報(bào);2005年06期

相關(guān)博士學(xué)位論文 前1條

1 馬成前;城市公路隧道智能監(jiān)控方法和系統(tǒng)研究[D];武漢理工大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 余方興;加權(quán)關(guān)聯(lián)規(guī)則優(yōu)化算法研究[D];華中師范大學(xué);2014年

2 萬軍;加權(quán)關(guān)聯(lián)規(guī)則挖掘算法的研究與改進(jìn)[D];廣西大學(xué);2013年

3 張慶吉;城市隧道通用智能監(jiān)控系統(tǒng)研究[D];武漢理工大學(xué);2013年

4 張偉成;人工智能技術(shù)在城市公路隧道中的應(yīng)用[D];武漢理工大學(xué);2013年

5 栗曉聰;加權(quán)關(guān)聯(lián)規(guī)則在入侵檢測(cè)中的研究與應(yīng)用[D];廣東工業(yè)大學(xué);2012年

6 烏文波;應(yīng)用Apriori關(guān)聯(lián)規(guī)則算法的數(shù)據(jù)挖掘技術(shù)挖掘電子商務(wù)潛在客戶[D];浙江工業(yè)大學(xué);2012年

7 杜煥;鐵路隧道襯砌狀態(tài)檢測(cè)數(shù)據(jù)管理系統(tǒng)的研究與實(shí)現(xiàn)[D];北京交通大學(xué);2010年

8 吳s

本文編號(hào)：2548548