【摘要】：采用小波變換與極限學(xué)習(xí)機(ELM)相結(jié)合的方法對短時空余停車泊位進行預(yù)測.首先通過小波函數(shù)對有效停車泊位時間序列進行小波分解和重構(gòu);然后用ELM對分解后所得的各時間序列進行預(yù)測;最后對各神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果進行合成,得到最終的預(yù)測結(jié)果.預(yù)測實例結(jié)果表明,該方法縮短了訓(xùn)練時間,提高了預(yù)測結(jié)果.
【圖文】：

由表１可見，當(dāng)ＥＬＭ神經(jīng)網(wǎng)絡(luò)的隱層節(jié)點數(shù)量少于１２０時，，預(yù)測精度隨節(jié)點數(shù)的增多逐漸升高；當(dāng)隱層節(jié)點數(shù)量大于１２０時，其預(yù)測精度急劇下降．圖２（Ａ）為當(dāng)隱層節(jié)點數(shù)分別為８０，９０，１００，１１０，１２０時各做５次實驗的結(jié)果；圖２（Ｂ）為當(dāng)隱層節(jié)點數(shù)分別為１００，１１０，１２０，１３０，１４０時各做５次實驗的結(jié)果．由圖２可見，當(dāng)其隱層節(jié)點數(shù)小于１２０時，隨著隱層節(jié)點數(shù)的增加，其預(yù)測結(jié)果標準差ＭＳＥ逐漸下降，預(yù)測精度逐漸提高．當(dāng)隱層節(jié)點數(shù)為１２０時，預(yù)測精度最高．因此確定該神經(jīng)網(wǎng)絡(luò)為１２０個隱層節(jié)點．其他分量隱層節(jié)點數(shù)的確定方法與ｃＡ１３分量的確定方法相同．圖２不同隱層節(jié)點數(shù)預(yù)測結(jié)果對比Ｆｉｇ．２Ｃｏｍｐａｒｉｓｏｎｓｏｆｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓｏｆｄｉｆｆｅｒｅｎｔｈｉｄｄｅｎｌａｙｅｒｎｏｄｅｎｕｍｂｅｒ２．３算法對比實驗將本文算法與小波神經(jīng)網(wǎng)絡(luò)［５］、ＯＳ－ＥＬＭ神經(jīng)網(wǎng)絡(luò)［１２］方法進行對比．３種算法都采用Ｇ－Ｐ算法確定嵌入維數(shù)，采用自相關(guān)函數(shù)確定延時常數(shù)．由于預(yù)測結(jié)果具有隨機性，故本文對實驗數(shù)據(jù)進行了５次預(yù)測實驗，以降低偶然性的影響．表２列出了相空間重構(gòu)Ｅｌｍａｎ神經(jīng)網(wǎng)絡(luò)、ＥＬＭ神經(jīng)網(wǎng)絡(luò)、小波變換ＥＬＭ神經(jīng)網(wǎng)絡(luò)的５次實驗的預(yù)測均方差（ＭＳＥ）及訓(xùn)練速度．表３列出了５次預(yù)測的ＭＳＥ平均值，其計算公式為ＭＳＥ平均值＝１５∑５ｋ＝１ＭＳＥｋ．表２各模型５次預(yù)測實驗結(jié)果

練時間／ｓ小波神經(jīng)網(wǎng)絡(luò)ＯＳ－ＥＬＭ小波－ＥＬＭＭＳＥ標準差小波神經(jīng)網(wǎng)絡(luò)ＯＳ－ＥＬＭ小波－ＥＬＭ１２７１．５１０．１５２９０．５０４８４．３１５０２．２５９９２．０３１８２２７２．７３０．１５６１０．６０１１２．４２６６２．２０３９１．９６５８３２７１．２６０．１６３３０．５７６２２．９６６９２．１０５９１．９８８３４２７１．２４０．１５０９０．５５０７３．５８０７２．２５３１２．０２７１５２７１．２００．１６８８０．５６３５３．２５８３２．２０８０２．０６１７圖３為對預(yù)測數(shù)據(jù)某一天７～２４點的預(yù)測結(jié)果，藍色為實際停車場空余泊位數(shù)，紅色為預(yù)測空余圖３模型預(yù)測結(jié)果Ｆｉｇ．３Ｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓｏｆｍｏｄｅｌ泊位數(shù)．由圖３可見，預(yù)測結(jié)果與實際結(jié)果相近．由表２和表３可見：１）在利用ＥＬＭ神經(jīng)網(wǎng)絡(luò)進行預(yù)測后，訓(xùn)練速度得到大幅度提高，雖然加入小波變換后會對訓(xùn)練速度有一定影響，但小波－ＥＬＭ神經(jīng)網(wǎng)絡(luò)訓(xùn)練時間仍遠小于小波神經(jīng)網(wǎng)絡(luò)算法，使其可以利用短時間的空隙進行訓(xùn)練，不但減少了訓(xùn)練神經(jīng)網(wǎng)絡(luò)對實際使用的影響，也使其進行訓(xùn)練的時間更靈活；２）實驗中加入小波變換后，小波－ＥＬＭ神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果比其他方法更準確，這也驗證了本文對停車泊位序列進行小波變換可以提高預(yù)測準確率的觀點，并且由實驗數(shù)據(jù)可見，小波－ＥＬＭ神經(jīng)網(wǎng)絡(luò)預(yù)測方法的預(yù)測結(jié)果始終優(yōu)于其他算法．３９１第２期陳海鵬，等：基于小波－ＥＬＭ神經(jīng)網(wǎng)絡(luò)的短期停車泊位預(yù)測

【相似文獻】

相關(guān)期刊論文 前3條

1 陳修海;錢小鴻;;一種新的基于GIS—T技術(shù)停車誘導(dǎo)信息系統(tǒng)[J];中國交通信息產(chǎn)業(yè);2007年03期

2 耿志軍;;城市綜合體建筑停車規(guī)劃及其管理措施探討[J];工程與建設(shè);2014年04期

3 ;[J];;年期

相關(guān)會議論文 前5條

1 曹國華;黃富民;王辛;王曦;;江蘇省城市道路內(nèi)停車泊位設(shè)置標準研究[A];城市規(guī)劃面對面——2005城市規(guī)劃年會論文集（下）[C];2005年

2 季彥婕;鄧衛(wèi);;實時停車泊位信息采集及動態(tài)預(yù)測技術(shù)研究[A];第一屆中國智能交通年會論文集[C];2005年

3 許占棟;韓皓;孫玉琴;;基于停車過程分析的路內(nèi)停車泊位設(shè)置研究[A];構(gòu)建生態(tài)人文交通 促進經(jīng)濟跨越發(fā)展——第十九屆海峽兩岸都市交通學(xué)術(shù)研討會論文選編[C];2011年

4 陳峻;趙歡歡;;基于實驗分析的城市停車到達率和離去率的關(guān)聯(lián)特性[A];2008第四屆中國智能交通年會論文集[C];2008年

5 姚欣軍;;應(yīng)對城市化快速時期的城市停車問題對策——以邵陽市為例[A];規(guī)劃引領(lǐng)下的新型城市化研究——2009年湖南省優(yōu)秀城鄉(xiāng)規(guī)劃論文集[C];2009年

相關(guān)重要報紙文章 前10條

1 王曦;停車泊位費不妨貴賤有別[N];中國交通報;2006年

2 記者 周佩玲;城區(qū)新增臨時停車泊位近千個[N];益陽日報;2007年

3 高麗;汕頭規(guī)范中心城區(qū)停車泊位管理[N];廣東建設(shè)報;2008年

4 記者 孟志遠;太原首批87個停車泊位開始試運行[N];發(fā)展導(dǎo)報;2008年

5 本報記者 王惜純;停車證能證明什么[N];中國質(zhì)量報;2002年

6 記者 葛靜;停車泊位費有望實行差別收費[N];南昌日報;2009年

7 記者 王東亮;路寬不足6米禁設(shè)停車泊位[N];北京日報;2010年

8 記者 李京華;北京機動車年檢廢止停車泊位證[N];新華每日電訊;2004年

9 本報記者 劉津農(nóng);看不懂的停車泊位費[N];工人日報;2002年

10 范勝利;讀不懂的停車泊位證[N];華夏時報;2003年

相關(guān)碩士學(xué)位論文 前10條

1 高子桐;鄭州市城區(qū)停車難問題分析與對策研究[D];鄭州大學(xué);2015年

2 牛馨雅;城市停車泊位供給規(guī)模研究[D];山東大學(xué);2016年

3 陳曉實;基于小波變換的有效停車泊位多步預(yù)測模型[D];東南大學(xué);2016年

4 蘭天;住宅小區(qū)停車難分析及對策研究[D];浙江大學(xué);2015年

5 李潔;上海市住宅項目停車配建指標研究[D];上海交通大學(xué);2015年

6 李永莊;基于B/S的停車泊位管理系統(tǒng)的實現(xiàn)[D];吉林大學(xué);2016年

7 代漉川;基于“共享停車分析理論”的綜合開發(fā)地塊停車泊位規(guī)模研究[D];西南交通大學(xué);2010年

8 邱建國;基于云服務(wù)的公共停車泊位信息系統(tǒng)[D];天津大學(xué);2013年

9 魏崗;路內(nèi)停車泊位設(shè)置規(guī)模研究[D];長安大學(xué);2009年

10 胡娟娟;停車誘導(dǎo)系統(tǒng)關(guān)鍵技術(shù)研究[D];吉林大學(xué);2006年

本文編號：2706177