基于改进小波神经网络模型的交通流预测研究

基于改进小波神经网络模型的交通流预测研究

ID:35065398

大小:4.61 MB

页数:87页

时间:2019-03-17

基于改进小波神经网络模型的交通流预测研究_第1页
基于改进小波神经网络模型的交通流预测研究_第2页
基于改进小波神经网络模型的交通流预测研究_第3页
基于改进小波神经网络模型的交通流预测研究_第4页
基于改进小波神经网络模型的交通流预测研究_第5页
资源描述:

《基于改进小波神经网络模型的交通流预测研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、,-10856:巾图分类号Tmm:学号:M03犯13123I= ̄^-^.Hi-Th^r^.培^hfer&vT^硕+学位论文^MastersThesisnI^论义题基于改进小波觀网络模麵交通目麵丽究企业管理业专作者姓名y指导教师^完成日期201215年月抽上海工程技术大学学位论文原创性声明,,本人郑重声明:所递交的学位论文是本人在导师的指导下独立进行研究工作所取得的成果。除文

2、中已经注明引用的内容外,本论文不包含任何其他个人或集体己经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体,均己在文中W明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名;拘?曰期:之〇化年^月曰^上海工程技术大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部口或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权上海工程技术大学可W将本学位论文的全部或部分内容编入

3、有关数据库进行检。索,可采用影印、缩印或扫描等复制手段保存和汇编本学位论文保密□,在年解密后适用本授权书。__本学位论文属于不保密"口。V")(请在W上方框内打学位论文作者签名:指导教师签名W曰期;却化年J月之/曰曰期:乃,6年S月曰中图分类号:学校代码:10856学号:M030213123上海工程技术大学硕士学位论文基于改进小波神经网络模型的交通流预测研究作者姓名:陶丽指导教师:刘升专业:企业管理学院:管理学院申请学位:管理学硕士完成时间:2015年12月评阅人:

4、答辩委员会主席:成员:UniversityCode:10856StudentID:M030213123PREDICTIONFORSHORT-TERMTRAFFICFLOWBASEDONOPTIMIZEDWAVELETNEURALNETWORKCandidate:TaoLiSupervisor:LiushengMajor:BusinessManagement(Schoolofmanagement)ShanghaiUniversityofEngineeringScienceShanghai,P.R.Ch

5、inaDecember,2015基于改进小波神经网络模型的交通流预测研究摘要智能交通管理系统是解决现代交通问题的重要手段,然而城市道路交通系统变化复杂,极难预测。作为智能交通系统的基础问题,短时交通流预测具有重要的意义,因此,本文重点研究的是在对交通流的相关基础知识进行分析的基础之上,交通流预测模型使用及其改进,这就需要对历史和实时的交通流数据进行收集及处理,研究目的是为智能交通管理系统提供基础数据和决策支持,使得交通管理决策更加科学化。由于交通流问题是复杂和非线性的,目前,任何单一的预测模型都无法

6、完全满足或匹配预测的要求,因此本文对预测模型进行了一定的改进。本文的主要工作有以下三个方面:第一,本文分析了交通流的基本定义,性质,并阐述了交通流数据采集方法,分析了数据异常识别方法,并介绍了四类交通流的预测模型。第二,本文首先研究了广泛应用的交通流预测模型-神经网络,在此基础上,提出了改进的粒子群算法优化小波神经网络模型对交通流进行预测。鉴于小波神经网络极强的非线性处理能力、自组织、自适应和学习能力,采用其作为基本预测模型,然而小波神经网络也存在收敛速度慢等缺点,因此利用粒子群算法收敛速度快、鲁棒

7、性高、全局搜索能力强的优点,选择粒子群优化算法对小波神经网络的参数进行训练,组成粒子群算法小波神网络预测模型,以改进基本小波神经网络模型在短时交通流预测中的性能。最后,本文进一步研究对于粒子群算法的改进,改进的思路主要是从粒子群算法的关键参数着手,基于云模型在改进群智能算法上显出的优点,本文采用云模型优化粒子群算法,使粒子群算法的搜索和寻优能力得以提高,由此建立了基于云粒子群算法优化小波神经网络的短时交通流模型。第三,基于交通流的仿真实验,本文分析比较了基本粒子群算法和改进的粒子群算法优化小波神经网

8、络模型的优缺点,以及各个模型预测结果的误差对比。关键词:智能交通管理系统,小波神经网络,粒子群算法,改进的粒子群算法IPredictionforshort-termtrafficflowbasedonoptimizedwaveletneuralnetworkABSTRACTIntelligenttrafficmanagementsystemistheimportantmeanstosolvetheproblemofmoderntransportation,duetoc

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。