基于改進花朵授粉算法的小波神經(jīng)網(wǎng)絡短時交通流預測
發(fā)布時間:2021-09-22 09:25
近年來,隨著經(jīng)濟的高速發(fā)展以及人民日益增長的生活需要,車輛越來越成為生活中的必需品,交通擁堵逐漸成為生活中一個亟待解決的問題,建立一種實時、高效的交通管理系統(tǒng)成為滿足出行需求的基本途徑。交通流預測是建立交通管理系統(tǒng)過程中的一個重要步驟。由于交通流數(shù)據(jù)具有混沌特性、受干擾性強、隨機波動性和較高復雜性等特點,已經(jīng)有許多學者采用群智能算法和小波神經(jīng)網(wǎng)絡(Wavelet Neural Network,WNN)進行交通流預測的研究,但目前的研究成果還不能實現(xiàn)短時交通流的精準預測,花朵授粉算法(Flower Pollination Algorithm,FPA)是近年來新提出的群智能優(yōu)化算法,優(yōu)化能力強,應用廣泛,為此本文嘗試采用改進花朵授粉算法進行小波神經(jīng)網(wǎng)絡短時交通流的預測研究。本文從Minnesota大學交通數(shù)據(jù)研究中心獲取到的交通數(shù)據(jù),對數(shù)據(jù)進行相應的降噪、重構(gòu)處理,采用小波神經(jīng)網(wǎng)絡對交通流數(shù)據(jù)進行預測研究。利用試湊法確定了網(wǎng)絡結(jié)構(gòu)中的隱含層節(jié)點個數(shù),并且通過仿真實驗對比不同小波基函數(shù)的訓練效果,最終選取Gaussian一階偏導函數(shù)作為激勵函數(shù)。結(jié)果表明本文使用的小波神經(jīng)網(wǎng)絡結(jié)構(gòu)能夠?qū)煌?..
【文章來源】:西南交通大學四川省 211工程院校 教育部直屬院校
【文章頁數(shù)】:71 頁
【學位級別】:碩士
【部分圖文】:
小波分解原理圖
層小波分解為例,原始信號小波分解 和 做閾值處理。構(gòu),對處理后的系數(shù)經(jīng)過逆變換得到息。 2-2 所示。原始信號小波分解頻信號保留高頻信號置零小波逆變換
層小波分解為例,原始信號小波分解 和 做閾值處理。構(gòu),對處理后的系數(shù)經(jīng)過逆變換得到息。 2-2 所示。原始信號小波分解頻信號保留高頻信號置零小波逆變換
【參考文獻】:
期刊論文
[1]基于改進型BP神經(jīng)網(wǎng)絡的多變量時序預測方法[J]. 陳建婷. 電子技術(shù)與軟件工程. 2019(05)
[2]基于改進粒子群優(yōu)化算法的可見光室內(nèi)定位技術(shù)[J]. 成湘,白元濤,郭鑫,劉繼紅. 光通信技術(shù). 2019(04)
[3]基于時空相關(guān)性的短時交通流預測模型[J]. 熊亭,戚湧,張偉斌,李千目. 計算機工程與設計. 2019(02)
[4]考慮需求響應的水火電優(yōu)化調(diào)度改進型花朵授粉算法[J]. 沈艷軍,楊鑫,劉允剛. 控制與決策. 2019(08)
[5]離散花朵授粉算法求解混合流水線調(diào)度問題[J]. 趙世安,屈遲文. 數(shù)學的實踐與認識. 2018(13)
[6]基于梯度提升回歸樹的短時交通流預測模型[J]. 沈夏炯,張俊濤,韓道軍. 計算機科學. 2018(06)
[7]具有記憶信息的花授粉算法[J]. 汪海,趙齊輝,劉升. 上海工程技術(shù)大學學報. 2018(01)
[8]基于小波分析與隱馬爾科夫模型的短時交通流預測[J]. 王川,張寶文. 交通節(jié)能與環(huán)保. 2018(01)
[9]一種精英反向?qū)W習的花授粉算法[J]. 張超. 西安工程大學學報. 2017(06)
[10]基于小波神經(jīng)網(wǎng)絡的短時交通流量預測[J]. 趙道利,谷偉豪,馮亞平. 微型機與應用. 2017(23)
博士論文
[1]基于實時數(shù)據(jù)的道路網(wǎng)短時交通流預測理論與方法研究[D]. 姚智勝.北京交通大學 2007
碩士論文
[1]基于SVM和BP神經(jīng)網(wǎng)絡的短時交通流預測與實現(xiàn)[D]. 余濤.南京郵電大學 2018
[2]基于粒子濾波與神經(jīng)網(wǎng)絡的短時交通流預測[D]. 石睿.北京交通大學 2018
[3]基于雞群算法的小波神經(jīng)網(wǎng)絡短時交通流預測研究[D]. 蔣婷婷.西南交通大學 2018
[4]基于改進狼群算法的小波神經(jīng)網(wǎng)絡短時交通流預測[D]. 齊璐.西南交通大學 2017
[5]基于混沌和小波神經(jīng)網(wǎng)絡的短時交通流預測方法研究[D]. 金玉婷.西南交通大學 2014
[6]基于改進神經(jīng)網(wǎng)絡的短時交通流預測研究[D]. 王瀝.電子科技大學 2012
本文編號:3403527
【文章來源】:西南交通大學四川省 211工程院校 教育部直屬院校
【文章頁數(shù)】:71 頁
【學位級別】:碩士
【部分圖文】:
小波分解原理圖
層小波分解為例,原始信號小波分解 和 做閾值處理。構(gòu),對處理后的系數(shù)經(jīng)過逆變換得到息。 2-2 所示。原始信號小波分解頻信號保留高頻信號置零小波逆變換
層小波分解為例,原始信號小波分解 和 做閾值處理。構(gòu),對處理后的系數(shù)經(jīng)過逆變換得到息。 2-2 所示。原始信號小波分解頻信號保留高頻信號置零小波逆變換
【參考文獻】:
期刊論文
[1]基于改進型BP神經(jīng)網(wǎng)絡的多變量時序預測方法[J]. 陳建婷. 電子技術(shù)與軟件工程. 2019(05)
[2]基于改進粒子群優(yōu)化算法的可見光室內(nèi)定位技術(shù)[J]. 成湘,白元濤,郭鑫,劉繼紅. 光通信技術(shù). 2019(04)
[3]基于時空相關(guān)性的短時交通流預測模型[J]. 熊亭,戚湧,張偉斌,李千目. 計算機工程與設計. 2019(02)
[4]考慮需求響應的水火電優(yōu)化調(diào)度改進型花朵授粉算法[J]. 沈艷軍,楊鑫,劉允剛. 控制與決策. 2019(08)
[5]離散花朵授粉算法求解混合流水線調(diào)度問題[J]. 趙世安,屈遲文. 數(shù)學的實踐與認識. 2018(13)
[6]基于梯度提升回歸樹的短時交通流預測模型[J]. 沈夏炯,張俊濤,韓道軍. 計算機科學. 2018(06)
[7]具有記憶信息的花授粉算法[J]. 汪海,趙齊輝,劉升. 上海工程技術(shù)大學學報. 2018(01)
[8]基于小波分析與隱馬爾科夫模型的短時交通流預測[J]. 王川,張寶文. 交通節(jié)能與環(huán)保. 2018(01)
[9]一種精英反向?qū)W習的花授粉算法[J]. 張超. 西安工程大學學報. 2017(06)
[10]基于小波神經(jīng)網(wǎng)絡的短時交通流量預測[J]. 趙道利,谷偉豪,馮亞平. 微型機與應用. 2017(23)
博士論文
[1]基于實時數(shù)據(jù)的道路網(wǎng)短時交通流預測理論與方法研究[D]. 姚智勝.北京交通大學 2007
碩士論文
[1]基于SVM和BP神經(jīng)網(wǎng)絡的短時交通流預測與實現(xiàn)[D]. 余濤.南京郵電大學 2018
[2]基于粒子濾波與神經(jīng)網(wǎng)絡的短時交通流預測[D]. 石睿.北京交通大學 2018
[3]基于雞群算法的小波神經(jīng)網(wǎng)絡短時交通流預測研究[D]. 蔣婷婷.西南交通大學 2018
[4]基于改進狼群算法的小波神經(jīng)網(wǎng)絡短時交通流預測[D]. 齊璐.西南交通大學 2017
[5]基于混沌和小波神經(jīng)網(wǎng)絡的短時交通流預測方法研究[D]. 金玉婷.西南交通大學 2014
[6]基于改進神經(jīng)網(wǎng)絡的短時交通流預測研究[D]. 王瀝.電子科技大學 2012
本文編號:3403527
本文鏈接:http://sikaile.net/kejilunwen/daoluqiaoliang/3403527.html