基于布谷鸟算法的小波神经网络短时交通流预测研究

《基于布谷鸟算法的小波神经网络短时交通流预测研究》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、画誦驅隱Ｓｖ＇．？隱＾．ｆ硕±学位论文ＭＡＳＴＥＲＤＩＳＳＥＲＴＡＴ胃Ｉ議论文题目：基于布谷鸟算法的小波神经网络剧巧通麵研究ｍ――：黄晓－蓋研究生张翠芳指导教师：．Ｕ４９５国内图书分类号：密级：公开国际图书分类号：６％西南交通大学研究生学位论文基于布谷鸟算法的小波神经网络短时交通流预测研究年级２０１３级姓名黄晓慧申请学位级别题＿±专业控制理论与控制工程指导老师张翠芳二零一六年五月十八日Ｃｌａｓｓ巧ｅ

2、ｄＩｎｄｅｘ：Ｕ４９５Ｕ．Ｄ．Ｃ６５６：Ｓｏｕ化ｗｅｓｔＪｉａｏｉｘｍｇＵｎｉｖｅｒｓｉｔｙＭａｓｔｅｒＤｅｒｅｅＴｈｅｓｉｓｇＲＥＳＥＡ民ＣＨＦＯ民ＳＨＯＲＴ－ＴＥＲＭＴＲＡＦＦＩＣＦＬＯＷＰＲＥＤＩＣＴＩＯＮＯＦＷＡＶＥＬＥＴＮＥＵＲＡＬＮＥＴＷＯＲＫＢＡＳＥＤＯＮＣＵＣＫＯＯＡＬＧＯＲＩＴＨＭＧｒａｄｅ：２０１３Ｃａｎｄｉｄａｔｅ；ＨｕａｎｇＸｉａｏｈｕｉＡｃａｄｅｍｉｃＤｅｇｒｅｅＡｐｐｌｉｅｄｆｏｒ：Ｍａｓｔｅｒ

3、Ｓｅｃｉａｌｉｔｙ：ＣｏｎｔｒｏｌＴｈｅｏｒｙｐａｎｄＣｏｎ仕ｏｌＥｎｉｎｅｅｒｉｎｇｇＳｕｐｅｒｖｉｓｏｒ：ＺｈａｎｇＣｕｉｆａｎｇＭａ．１８２０１６ｙ，西南交通大学学位论文版权使用接权书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权西南交通大学可Ｗ将本论文的全部或部分内容编入有关数据库进行检索，可Ｗ采用影印、缩印或扫描等复印手段保存和汇编本学位论文。

4、本学位论文属于１．保密□，在年解密后适用本授权书；２．不保密使用本授权书。＂＂（请在Ｗ上方框内打Ｖ）学位论文作者签名：黄瞭指导老师签名：女、一日期：球Ｕｇ日期：西南交通大学硕±学位论文主要工作（贡献）声明本人在学位论文中所做的主要工作或贡献如下：１．简要介绍了交通流数据的特征参数Ｗ及实测的短时交通流数据来源，并对一实验数据进行了修正，、降噪、相空间重构和归化等预处理为短时交通流预测模型的建立做好准备。２一．提出种基于小波神经网络的短时交通流预测方法，并完成了仿真实

5、验。结果表明，基于小波神经网络的短时交通流预测效果较好，但仍有提升的空间。３，ａｉｎ．针对小波神经网络误差随机性的特点提出基于Ｂｇｇｇ算法的集成小波神经网络预测方法，使用多个小波神经网络共同决定预测结果，。仿真实验表明一该算法能定程度上克服小波神经网络不稳定的缺点，提高预测的精度。４一．小波神经网络具有对初值敏感的缺点，针对这问题，本文引入了布谷鸟算法来优化集成小波神经网络的巧始参数，提出了基于布谷鸟算法的Ｂａｇｇｉｎｇ集成小波神经网络短时交通流预测算法。为了比较布谷鸟算法与当前热

6、口的智能算法在短时交通流预测方面的性能，分别完成了基于遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉ化ｍ，ＧＡ）和基于粒子群算法（ＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）的集成小波神经网络短时交通流预测仿真实验。实验结果表明，基于布谷鸟算法的Ｂａｇｇｉｎｇ集成小波神经网络在短时交通流预测上具有更高的精度。一５．对基本的布谷鸟算法进行了改进，提出了种自适应布谷鸟算法，该算法一基于鸟巢更新率自适应调整的原理，能够定程度上提高系统的预测速度和泛化能力，Ｂａｉｎ。最后完成

7、了基于自适应布谷鸟算法的ｇｇｇ集成小波神经网络的短时交通流预测仿真实验。结果表明，该模型有着较高的预测精度和较好的稳定性，具有实用价值。，本人郑重声明：所呈交的学位论文是在导师指导下独立进行研究工作所得的成果。除文中己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发表或撰写过的研究成果，。对本文的研究做出贡献的个人和集体均己在文中作一了明确说明。本人完全了解违反上述声明所引起的切法律责任将由本人承担。学位论文作者签名：黄峻蒼＾■日期：巧化；，化西南交通大学硕±研究生

8、学位论文第Ｉ页摘要交通流预测是智能交通系统的热点。近些年来，各个领域的研究者们提出了很多交通流预测的方法，其中，智能学习方法最为活跃。但交通系统自身的复杂一性和高度非线性，使得至今没有种算法可实现短时交通流的精确预测，关于短时交通流预测的研究也从未停下脚步？。本文首先对来源于美国明尼苏达德卢斯大学交通数据研究实验室的交通流数据进行识别，完成数据的补缺，、修正和降噪处