本文關(guān)鍵詞：基于小波變換的有效停車泊位多步預(yù)測(cè)模型

  更多相關(guān)文章： 有效停車泊位 多步預(yù)測(cè) 小波變換 多步預(yù)測(cè)策略 神經(jīng)網(wǎng)絡(luò)

【摘要】：隨著機(jī)動(dòng)車數(shù)量的飛速增長(zhǎng),城市停車需求也日益膨脹,城市中機(jī)動(dòng)車停車已經(jīng)成為一個(gè)十分嚴(yán)重的交通問(wèn)題。停車泊位的預(yù)測(cè)對(duì)于駕駛員合理地選擇停車場(chǎng)地、行車路線等具有重要意義。本文基于停車場(chǎng)有效停車泊位變化特性,提出了一種結(jié)合小波變換、預(yù)測(cè)策略和神經(jīng)網(wǎng)絡(luò)的多步預(yù)測(cè)方法。首先,將實(shí)測(cè)的停車泊位信息處理成研究需要的有效停車泊位時(shí)間序列,通過(guò)計(jì)算相關(guān)系數(shù)、波動(dòng)率和李雅普諾夫指數(shù)等數(shù)學(xué)手段分析有效停車泊位的變化特性,為預(yù)測(cè)模型和訓(xùn)練集的選擇奠定理論基礎(chǔ)。之后通過(guò)選擇合適的小波函數(shù)對(duì)有效停車泊位時(shí)間序列進(jìn)行多尺度的小波分解與重構(gòu),然后分別使用迭代法、直接法、多輸入多輸出法、直接多輸出法(直接法與多輸入多輸出法的組合策略)以及本文新提出的迭代多輸出法(迭代法與多輸入多輸出法的組合策略)五種多步預(yù)測(cè)策略對(duì)重構(gòu)后的時(shí)間序列采用神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè),最后將重構(gòu)的時(shí)間序列各自外推的預(yù)測(cè)結(jié)果進(jìn)行線性合成,得到最終預(yù)測(cè)結(jié)果。實(shí)例分析表明,結(jié)合小波變換能有效地提高停車泊位多步預(yù)測(cè)的精度,在將小波變換運(yùn)用于單一的多步預(yù)測(cè)策略進(jìn)行預(yù)測(cè)時(shí),迭代法、直接法和多輸入多輸出法的總體預(yù)測(cè)誤差分別降低了15%、35%和15%；組合多步預(yù)測(cè)策略的預(yù)測(cè)精度相比其他多步預(yù)測(cè)策略較高,在對(duì)兩個(gè)周邊土地利用性質(zhì)不同的停車場(chǎng)進(jìn)行步長(zhǎng)為一個(gè)小時(shí)的預(yù)測(cè)實(shí)例中,總體的絕對(duì)誤差百分比均在3%左右；其中,本文提出的新的組合多步預(yù)測(cè)策略一一迭代多輸出法,相比直接多輸出法節(jié)省了模型訓(xùn)練時(shí)間,且在五種預(yù)測(cè)策略中耗時(shí)最少。
【關(guān)鍵詞】：有效停車泊位 多步預(yù)測(cè) 小波變換 多步預(yù)測(cè)策略 神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U491.7
【目錄】：

• 摘要5-6
• Abstract6-11
• 第一章 緒論11-17
• 1.1 立題背景和意義11
• 1.2 國(guó)內(nèi)外研究概況11-14
• 1.2.1 短時(shí)預(yù)測(cè)11-12
• 1.2.2 多步預(yù)測(cè)12-13
• 1.2.3 現(xiàn)有研究總結(jié)13-14
• 1.3 研究目標(biāo)與研究?jī)?nèi)容14-15
• 1.3.1 研究目標(biāo)14
• 1.3.2 研究?jī)?nèi)容14-15
• 1.4 技術(shù)路線與論文組織15-17
• 第二章 有效停車泊位變化特性多角度分析17-23
• 2.1 有效停車泊位時(shí)間序列動(dòng)力學(xué)分析17-19
• 2.1.1. 有效停車泊位時(shí)間序列周期性分析17-18
• 2.1.2. 有效停車泊位時(shí)間序列隨機(jī)性分析18
• 2.1.3. 有效停車泊位時(shí)間序列混沌性分析18-19
• 2.2 有效停車泊位時(shí)間序列時(shí)空特性分析19-21
• 2.2.1. 時(shí)間分布特性19-20
• 2.2.2. 空間分布特性20-21
• 2.3 本章小結(jié)21-23
• 第三章 基于小波變換的多步預(yù)測(cè)模型23-43
• 3.1 有效停車泊位多步預(yù)測(cè)流程23-24
• 3.2 小波變換24-31
• 3.2.1 連續(xù)小波變換24-26
• 3.2.2 離散小波變換26
• 3.2.3 小波分解與重構(gòu)26-27
• 3.2.4 小波函數(shù)與分解層數(shù)的選取27-31
• 3.2.5 小波變換對(duì)預(yù)測(cè)精度的影響31
• 3.3 BP神經(jīng)網(wǎng)絡(luò)模型31-37
• 3.3.1 BP神經(jīng)網(wǎng)絡(luò)模型介紹32-36
• 3.3.2 BP神經(jīng)網(wǎng)絡(luò)在多步預(yù)測(cè)中的應(yīng)用36-37
• 3.4 多步預(yù)測(cè)策略37-41
• 3.4.1 迭代法(Recursive)37
• 3.4.2 直接法(Direct)37-38
• 3.4.3 多輸入多輸出法(MIMO)38
• 3.4.4 直接多輸出法(DIRMO)38-39
• 3.4.5 新的多步預(yù)測(cè)組合策略——迭代多輸出法(RECMO)39-40
• 3.4.6 五種多步預(yù)測(cè)策略的對(duì)比40-41
• 3.5 本章小結(jié)41-43
• 第四章 有效停車泊位多步預(yù)測(cè)實(shí)例分析43-54
• 4.1 數(shù)據(jù)描述43
• 4.2 評(píng)價(jià)指標(biāo)43-44
• 4.3 BP神經(jīng)網(wǎng)絡(luò)參數(shù)選取44-45
• 4.4 小波變換在單一多步預(yù)測(cè)策略中的應(yīng)用分析45-49
• 4.5 兩種組合預(yù)測(cè)策略中參數(shù)s的挖掘49-51
• 4.6 五種多步預(yù)測(cè)策略的預(yù)測(cè)結(jié)果分析51-53
• 4.7 本章小結(jié)53-54
• 第五章 結(jié)論與展望54-56
• 5.1 主要研究?jī)?nèi)容與成果54-55
• 5.2 創(chuàng)新點(diǎn)55
• 5.3 研究展望55-56
• 致謝56-58
• 參考文獻(xiàn)58-62
• 作者簡(jiǎn)介62

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前9條

1 季彥婕;湯斗南;郭衛(wèi)紅;BLYTHE T.Phil;王煒;;Forecasting available parking space with largest Lyapunov exponents method[J];Journal of Central South University;2014年04期

2 賈顯超;陳旭梅;弓晉麗;張溪;郭淑霞;;基于混沌理論的短期交通流量多步預(yù)測(cè)[J];交通信息與安全;2013年06期

3 姜桂艷;王秋蘭;李琦;;基于多時(shí)間尺度一步外推的短時(shí)交通參數(shù)多步預(yù)測(cè)方法[J];公路交通科技;2013年02期

4 姚天亮;劉海峰;許建良;李偉鋒;;基于最大Lyapunov指數(shù)不變性的混沌時(shí)間序列噪聲水平估計(jì)[J];物理學(xué)報(bào);2012年06期

5 殷禮勝;魯照權(quán);董學(xué)平;;交通流量小波神經(jīng)網(wǎng)絡(luò)多步預(yù)測(cè)研究[J];自動(dòng)化儀表;2011年08期

6 徐鵬飛;李煒;鄭華;吳建國(guó);;神經(jīng)網(wǎng)絡(luò)在時(shí)間序列預(yù)測(cè)中的應(yīng)用研究[J];電子技術(shù);2010年08期

7 陳群;晏克非;王仁濤;莫一魁;;基于相空間重構(gòu)及Elman網(wǎng)絡(luò)的停車泊位數(shù)據(jù)預(yù)測(cè)[J];同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年05期

8 楊兆升,陳曉冬;智能化停車誘導(dǎo)系統(tǒng)有效停車泊位數(shù)據(jù)的預(yù)測(cè)技術(shù)研究[J];交通運(yùn)輸系統(tǒng)工程與信息;2003年04期

9 簡(jiǎn)相超,鄭君里;混沌神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)算法評(píng)價(jià)準(zhǔn)則與性能分析[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年07期

，

本文編號(hào)：892087