發(fā)布時間：2017-09-21 03:22

  本文關(guān)鍵詞：基于小波變換的有效停車泊位多步預測模型

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

【摘要】：隨著機動車數(shù)量的飛速增長,城市停車需求也日益膨脹,城市中機動車停車已經(jīng)成為一個十分嚴重的交通問題。停車泊位的預測對于駕駛員合理地選擇停車場地、行車路線等具有重要意義。本文基于停車場有效停車泊位變化特性,提出了一種結(jié)合小波變換、預測策略和神經(jīng)網(wǎng)絡的多步預測方法。首先,將實測的停車泊位信息處理成研究需要的有效停車泊位時間序列,通過計算相關(guān)系數(shù)、波動率和李雅普諾夫指數(shù)等數(shù)學手段分析有效停車泊位的變化特性,為預測模型和訓練集的選擇奠定理論基礎(chǔ)。之后通過選擇合適的小波函數(shù)對有效停車泊位時間序列進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)五種多步預測策略對重構(gòu)后的時間序列采用神經(jīng)網(wǎng)絡進行預測,最后將重構(gòu)的時間序列各自外推的預測結(jié)果進行線性合成,得到最終預測結(jié)果。實例分析表明,結(jié)合小波變換能有效地提高停車泊位多步預測的精度,在將小波變換運用于單一的多步預測策略進行預測時,迭代法、直接法和多輸入多輸出法的總體預測誤差分別降低了15%、35%和15%；組合多步預測策略的預測精度相比其他多步預測策略較高,在對兩個周邊土地利用性質(zhì)不同的停車場進行步長為一個小時的預測實例中,總體的絕對誤差百分比均在3%左右；其中,本文提出的新的組合多步預測策略一一迭代多輸出法,相比直接多輸出法節(jié)省了模型訓練時間,且在五種預測策略中耗時最少。
【關(guān)鍵詞】：有效停車泊位 多步預測 小波變換 多步預測策略 神經(jīng)網(wǎng)絡
【學位授予單位】：東南大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：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 國內(nèi)外研究概況11-14
• 1.2.1 短時預測11-12
• 1.2.2 多步預測12-13
• 1.2.3 現(xiàn)有研究總結(jié)13-14
• 1.3 研究目標與研究內(nèi)容14-15
• 1.3.1 研究目標14
• 1.3.2 研究內(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 有效停車泊位時間序列動力學分析17-19
• 2.1.1. 有效停車泊位時間序列周期性分析17-18
• 2.1.2. 有效停車泊位時間序列隨機性分析18
• 2.1.3. 有效停車泊位時間序列混沌性分析18-19
• 2.2 有效停車泊位時間序列時空特性分析19-21
• 2.2.1. 時間分布特性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測模型23-43
• 3.1 有效停車泊位多步預測流程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 小波變換對預測精度的影響31
• 3.3 BP神經(jīng)網(wǎng)絡模型31-37
• 3.3.1 BP神經(jīng)網(wǎng)絡模型介紹32-36
• 3.3.2 BP神經(jīng)網(wǎng)絡在多步預測中的應用36-37
• 3.4 多步預測策略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 新的多步預測組合策略——迭代多輸出法(RECMO)39-40
• 3.4.6 五種多步預測策略的對比40-41
• 3.5 本章小結(jié)41-43
• 第四章 有效停車泊位多步預測實例分析43-54
• 4.1 數(shù)據(jù)描述43
• 4.2 評價指標43-44
• 4.3 BP神經(jīng)網(wǎng)絡參數(shù)選取44-45
• 4.4 小波變換在單一多步預測策略中的應用分析45-49
• 4.5 兩種組合預測策略中參數(shù)s的挖掘49-51
• 4.6 五種多步預測策略的預測結(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 主要研究內(nèi)容與成果54-55
• 5.2 創(chuàng)新點55
• 5.3 研究展望55-56
• 致謝56-58
• 參考文獻58-62
• 作者簡介62

【參考文獻】

中國期刊全文數(shù)據(jù)庫 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測[J];交通信息與安全;2013年06期

3 姜桂艷;王秋蘭;李琦;;基于多時間尺度一步外推的短時交通參數(shù)多步預測方法[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)不變性的混沌時間序列噪聲水平估計[J];物理學報;2012年06期

5 殷禮勝;魯照權(quán);董學平;;交通流量小波神經(jīng)網(wǎng)絡多步預測研究[J];自動化儀表;2011年08期

6 徐鵬飛;李煒;鄭華;吳建國;;神經(jīng)網(wǎng)絡在時間序列預測中的應用研究[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)絡的停車泊位數(shù)據(jù)預測[J];同濟大學學報(自然科學版);2007年05期

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

9 簡相超,鄭君里;混沌神經(jīng)網(wǎng)絡預測算法評價準則與性能分析[J];清華大學學報(自然科學版);2001年07期

，

本文編號：892087