本文關(guān)鍵詞：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，，由筆耕文化傳播整理發(fā)布。

【摘要】：智能交通管理系統(tǒng)是解決現(xiàn)代交通問題的重要手段,然而城市道路交通系統(tǒng)變化復(fù)雜,極難預(yù)測(cè)。作為智能交通系統(tǒng)的基礎(chǔ)問題,短時(shí)交通流預(yù)測(cè)具有重要的意義,因此,本文重點(diǎn)研究的是在對(duì)交通流的相關(guān)基礎(chǔ)知識(shí)進(jìn)行分析的基礎(chǔ)之上,交通流預(yù)測(cè)模型使用及其改進(jìn),這就需要對(duì)歷史和實(shí)時(shí)的交通流數(shù)據(jù)進(jìn)行收集及處理,研究目的是為智能交通管理系統(tǒng)提供基礎(chǔ)數(shù)據(jù)和決策支持,使得交通管理決策更加科學(xué)化。由于交通流問題是復(fù)雜和非線性的,目前,任何單一的預(yù)測(cè)模型都無法完全滿足或匹配預(yù)測(cè)的要求,因此本文對(duì)預(yù)測(cè)模型進(jìn)行了一定的改進(jìn)。本文的主要工作有以下三個(gè)方面:第一,本文分析了交通流的基本定義,性質(zhì),并闡述了交通流數(shù)據(jù)采集方法,分析了數(shù)據(jù)異常識(shí)別方法,并介紹了四類交通流的預(yù)測(cè)模型。第二,本文首先研究了廣泛應(yīng)用的交通流預(yù)測(cè)模型-神經(jīng)網(wǎng)絡(luò),在此基礎(chǔ)上,提出了改進(jìn)的粒子群算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)模型對(duì)交通流進(jìn)行預(yù)測(cè)。鑒于小波神經(jīng)網(wǎng)絡(luò)極強(qiáng)的非線性處理能力、自組織、自適應(yīng)和學(xué)習(xí)能力,采用其作為基本預(yù)測(cè)模型,然而小波神經(jīng)網(wǎng)絡(luò)也存在收斂速度慢等缺點(diǎn),因此利用粒子群算法收斂速度快、魯棒性高、全局搜索能力強(qiáng)的優(yōu)點(diǎn),選擇粒子群優(yōu)化算法對(duì)小波神經(jīng)網(wǎng)絡(luò)的參數(shù)進(jìn)行訓(xùn)練,組成粒子群算法小波神網(wǎng)絡(luò)預(yù)測(cè)模型,以改進(jìn)基本小波神經(jīng)網(wǎng)絡(luò)模型在短時(shí)交通流預(yù)測(cè)中的性能。最后,本文進(jìn)一步研究對(duì)于粒子群算法的改進(jìn),改進(jìn)的思路主要是從粒子群算法的關(guān)鍵參數(shù)著手,基于云模型在改進(jìn)群智能算法上顯出的優(yōu)點(diǎn),本文采用云模型優(yōu)化粒子群算法,使粒子群算法的搜索和尋優(yōu)能力得以提高,由此建立了基于云粒子群算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流模型。第三,基于交通流的仿真實(shí)驗(yàn),本文分析比較了基本粒子群算法和改進(jìn)的粒子群算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)模型的優(yōu)缺點(diǎn),以及各個(gè)模型預(yù)測(cè)結(jié)果的誤差對(duì)比。
【關(guān)鍵詞】：智能交通管理系統(tǒng) 小波神經(jīng)網(wǎng)絡(luò) 粒子群算法 改進(jìn)的粒子群算法
【學(xué)位授予單位】：上海工程技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP183;U491.14
【目錄】：

• 摘要6-7
• ABSTRACT7-11
• 第一章 緒論11-20
• 1.1 交通流預(yù)測(cè)研究的背景及意義11-13
• 1.1.1 研究的背景11-12
• 1.1.2 研究的意義價(jià)值體現(xiàn)12-13
• 1.2 交通流預(yù)測(cè)模型國(guó)內(nèi)外研究現(xiàn)狀13-16
• 1.2.1 交通流預(yù)測(cè)模型研究13-15
• 1.2.2 基本小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型及模型的改進(jìn)15-16
• 1.3 本文的內(nèi)容框架16-18
• 1.4 論文章節(jié)安排18-20
• 第二章 交通流短時(shí)預(yù)測(cè)的背景知識(shí)20-28
• 2.1 交通預(yù)測(cè)的基本概念20-22
• 2.1.1 交通流預(yù)測(cè)的基本概念20-21
• 2.1.2 交通流預(yù)測(cè)基本流程21-22
• 2.2 交通流數(shù)據(jù)采集和數(shù)據(jù)分析22-26
• 2.2.1 交通流數(shù)據(jù)采集22-25
• 2.2.2 交通流數(shù)據(jù)異常的識(shí)別25
• 2.2.3 交通流故障數(shù)據(jù)的修復(fù)方法25-26
• 2.3 交通流短時(shí)預(yù)測(cè)的基本方法26-27
• 2.4 本章小結(jié)27-28
• 第三章 基于小波神經(jīng)網(wǎng)絡(luò)模型的交通流預(yù)測(cè)28-45
• 3.1 神經(jīng)網(wǎng)絡(luò)模型介紹28-33
• 3.1.1 神經(jīng)網(wǎng)絡(luò)算法原理29-31
• 3.1.2 BP算法實(shí)現(xiàn)流程31-33
• 3.2 小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型33-36
• 3.2.1 小波神經(jīng)網(wǎng)絡(luò)模型基礎(chǔ)33-35
• 3.2.2 基于小波神經(jīng)網(wǎng)絡(luò)交通預(yù)測(cè)的流程圖35-36
• 3.3 交通流數(shù)據(jù)的處理36
• 3.4 交通流仿真實(shí)驗(yàn)36-44
• 3.4.1 交通流數(shù)據(jù)預(yù)處理及來源36-39
• 3.4.2 交通流預(yù)測(cè)仿真實(shí)驗(yàn)39-42
• 3.4.3 小波神經(jīng)網(wǎng)絡(luò)模型的優(yōu)點(diǎn)及不足42-44
• 3.5 本章小結(jié)44-45
• 第四章 基于改進(jìn)小波神經(jīng)網(wǎng)絡(luò)模型的交通預(yù)測(cè)45-68
• 4.1 基于粒子群算法改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)模型45-49
• 4.1.1 粒子群算法45-47
• 4.1.2 基本粒子群算法流程47
• 4.1.3 粒子群算法的改進(jìn)47-49
• 4.2 基于粒子群算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)49-50
• 4.2.1 基于粒子群算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)算法步驟49-50
• 4.3 粒子群算法優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)的交通流預(yù)測(cè)50-54
• 4.3.1 交通流仿真實(shí)驗(yàn)50-53
• 4.3.2 基本PSO算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)存在的問題53-54
• 4.4 云模型54-57
• 4.4.1 云模型的理論背景54-55
• 4.4.2 云模型的發(fā)展與應(yīng)用55-56
• 4.4.3 云模型的理論基礎(chǔ)56-57
• 4.5 云粒子群算法57-61
• 4.5.1 粒子更新公式的改進(jìn)57-58
• 4.5.2 ICPSO算法流程58-61
• 4.6 基于云粒子群優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的模型61-66
• 4.6.1 基于云粒子群算法優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)的交通流預(yù)測(cè)仿真實(shí)驗(yàn)62-64
• 4.6.2 模型試驗(yàn)對(duì)比64-66
• 4.7 本章小結(jié)66-68
• 第五章 交通流預(yù)測(cè)結(jié)果在智能交通管理系統(tǒng)(ITMS)中的應(yīng)用68-73
• 5.1 智能交通管理系統(tǒng)（ITMS）介紹68-69
• 5.2 交通流預(yù)測(cè)在智能交通系統(tǒng)中的應(yīng)用69-73
• 第六章 研究結(jié)論與展望73-76
• 6.1 研究結(jié)論73-74
• 6.2 研究展望74-76
• 參考文獻(xiàn)76-79
• 附錄79-85
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文及取得的相關(guān)科研成果85-86
• 致謝86-87

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 黃永紅;徐勇;;基于小波神經(jīng)網(wǎng)絡(luò)的某邊坡預(yù)測(cè)研究[J];測(cè)繪工程;2012年02期

2 祖哲;畢貴紅;劉力;郝娟;;基于小波神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)模型研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2012年10期

3 霍禹同;;基于小波神經(jīng)網(wǎng)絡(luò)的電機(jī)自動(dòng)控制研究[J];信息與電腦(理論版);2013年09期

4 江亞東,丁麗萍,夏克儉,李恪,陳因頎;基于小波神經(jīng)網(wǎng)絡(luò)的混沌模式提取[J];北京科技大學(xué)學(xué)報(bào);2001年05期

5 陳農(nóng),賈區(qū)耀;用自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)辨識(shí)動(dòng)態(tài)實(shí)驗(yàn)數(shù)據(jù)[J];飛行力學(xué);2001年01期

6 張?jiān)龇?陳瑞中,齊保謙,陸英北;基于小波神經(jīng)網(wǎng)絡(luò)的心電數(shù)據(jù)壓縮研究[J];廣西工學(xué)院學(xué)報(bào);2002年01期

7 任少龍,鐘秋海,嚴(yán)承華;小波神經(jīng)網(wǎng)絡(luò)在裝備研制費(fèi)預(yù)測(cè)與控制中的應(yīng)用[J];海軍工程大學(xué)學(xué)報(bào);2002年05期

8 董杰,馬壯,吳云,李嘉林;遺傳小波神經(jīng)網(wǎng)絡(luò)在飛機(jī)加油管路設(shè)計(jì)中的應(yīng)用[J];機(jī)械科學(xué)與技術(shù);2002年S1期

9 趙學(xué)智,鄒春華,陳統(tǒng)堅(jiān),葉邦彥,彭永紅;小波神經(jīng)網(wǎng)絡(luò)的參數(shù)初始化研究[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年02期

10 楊春玲,楊茂華,胡艷,戴景民;小波神經(jīng)網(wǎng)絡(luò)在多波長(zhǎng)輻射測(cè)溫中的應(yīng)用[J];計(jì)量學(xué)報(bào);2003年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 胡博;陶文華;崔博;白一彤;尹旭;;基于小波神經(jīng)網(wǎng)絡(luò)的異步電機(jī)故障診斷[A];2009中國(guó)控制與決策會(huì)議論文集（2）[C];2009年

2 何正友;錢清泉;;一種改進(jìn)小波神經(jīng)網(wǎng)絡(luò)模型在電力故障信號(hào)識(shí)別中的應(yīng)用[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

3 魯艷軍;陳漢新;陳緒兵;;基于小波神經(jīng)網(wǎng)絡(luò)的齒輪裂紋故障診斷[A];節(jié)能減排 綠色制造 智能制造——低碳經(jīng)濟(jì)下高技術(shù)制造產(chǎn)業(yè)與智能制造發(fā)展論壇論文集[C];2010年

4 董健;尹萌;張輝;;小波神經(jīng)網(wǎng)絡(luò)結(jié)合多項(xiàng)式的混合預(yù)測(cè)方法在通信規(guī)劃中的應(yīng)用[A];2011全國(guó)無線及移動(dòng)通信學(xué)術(shù)大會(huì)論文集[C];2011年

5 謝建宏;張為公;;復(fù)合材料疲勞剩余壽命預(yù)測(cè)的動(dòng)態(tài)小波神經(jīng)網(wǎng)絡(luò)方法[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

6 陳建秋;張新政;;基于小波神經(jīng)網(wǎng)絡(luò)的水質(zhì)預(yù)測(cè)應(yīng)用研究[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

7 孫正貴;;小波神經(jīng)網(wǎng)絡(luò)的高效學(xué)習(xí)算法及應(yīng)用研究[A];中南六�。▍^(qū)）自動(dòng)化學(xué)會(huì)第24屆學(xué)術(shù)年會(huì)會(huì)議論文集[C];2006年

8 黃敏;朱啟兵;崔寶同;;基于小波神經(jīng)網(wǎng)絡(luò)的軋機(jī)特性回歸[A];2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

9 周紹磊;張文廣;李新;;一種基于改進(jìn)遺傳算法的小波神經(jīng)網(wǎng)絡(luò)[A];2007年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2007年

10 杜青;劉劍飛;劉娟;喬延華;;基于小波神經(jīng)網(wǎng)絡(luò)的模擬調(diào)制信號(hào)自動(dòng)識(shí)別[A];2007通信理論與技術(shù)新發(fā)展——第十二屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2007年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 侯霞;小波神經(jīng)網(wǎng)絡(luò)若干關(guān)鍵問題研究[D];南京航空航天大學(xué);2006年

2 章文俊;小波神經(jīng)網(wǎng)絡(luò)算法及其船舶運(yùn)動(dòng)控制應(yīng)用研究[D];大連海事大學(xué);2014年

3 高協(xié)平;小波參數(shù)化與小波神經(jīng)網(wǎng)絡(luò)研究[D];湖南大學(xué);2003年

4 宋清昆;自適應(yīng)結(jié)構(gòu)優(yōu)化神經(jīng)網(wǎng)絡(luò)控制研究[D];哈爾濱理工大學(xué);2009年

5 李永紅;廣義小波神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)雷達(dá)相關(guān)濾波的研究[D];大連海事大學(xué);2000年

6 銀俊成;量子信道與量子小波神經(jīng)網(wǎng)絡(luò)相關(guān)問題研究[D];陜西師范大學(xué);2013年

7 李文軍;多小波和小波神經(jīng)網(wǎng)絡(luò)構(gòu)造及其在電弧故障診斷中的應(yīng)用研究[D];吉林大學(xué);2008年

8 劉守生;遺傳算法與小波神經(jīng)網(wǎng)絡(luò)中若干問題的研究[D];南京航空航天大學(xué);2005年

9 黃同成;基于小波神經(jīng)網(wǎng)絡(luò)理論的VOCR與HOCR技術(shù)研究[D];上海大學(xué);2008年

10 蔡振禹;基于粗集—小波神經(jīng)網(wǎng)絡(luò)的煤炭企業(yè)管理研究[D];天津大學(xué);2007年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張清華;小波神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化及其應(yīng)用[D];東北農(nóng)業(yè)大學(xué);2009年

2 王建雙;基于小波神經(jīng)網(wǎng)絡(luò)控制器設(shè)計(jì)與研究[D];哈爾濱理工大學(xué);2009年

3 張蓉暉;小波神經(jīng)網(wǎng)絡(luò)及其在模擬電路診斷中的應(yīng)用[D];華中科技大學(xué);2008年

4 吳曦;基于隨機(jī)小波神經(jīng)網(wǎng)絡(luò)的一類隨機(jī)過程的逼近[D];西北工業(yè)大學(xué);2001年

5 王勇;基于小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷的研究[D];內(nèi)蒙古工業(yè)大學(xué);2006年

6 孫新強(qiáng);基于小波神經(jīng)網(wǎng)絡(luò)的板料沖壓回彈研究[D];西南交通大學(xué);2015年

7 但立;基于小波神經(jīng)網(wǎng)絡(luò)的地面三維激光掃描點(diǎn)云數(shù)據(jù)的滑坡監(jiān)測(cè)研究[D];長(zhǎng)安大學(xué);2015年

8 葛小川;基于小波神經(jīng)網(wǎng)絡(luò)的某坦克炮平衡與定位控制[D];南京理工大學(xué);2015年

9 蔡崇國(guó);小波分析在大功率交流伺服系統(tǒng)中的應(yīng)用研究[D];南京理工大學(xué);2015年

10 盧金長(zhǎng);數(shù)據(jù)挖掘技術(shù)在上證指數(shù)預(yù)測(cè)中的應(yīng)用研究[D];云南財(cái)經(jīng)大學(xué);2015年

  本文關(guān)鍵詞：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，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：255958