基于改进神经网络的垂直交通流预测方法研究

《基于改进神经网络的垂直交通流预测方法研究》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、基于改进神经网络的垂直交通流预测方法研究ResearchonElevatorTrafficFlowPredictionBasedonImprovedNeuralNetwork学科专业：电气工程研究生：贾祖新指导教师：万健如教授天津大学电气与自动化工程学院二零一五年十二月摘要城市化进程的加快带动高层建筑快速发展，提高垂直交通效率愈加重要。电梯交通流预测作为电梯规划设计和电梯群控调度的基础，是解决垂直交通问题的前提。关于交通流预测的传统方法和智能方法多种多样，但单一的算法已不能满足现代智能交通系统的要求，组合方法是当前交通流预测的趋势

2、。本文将时间序列预测与神经网络方法相结合，建立基于BP网络的电梯交通流预测模型；提出蚁群优化（ACO）算法改进BP神经网络，实例仿真分析ACO-BP网络用于电梯交通流预测的有效性和可靠性。首先，采集进出某办公大楼的总客流数据，将其归一化处理后构成时间序列；该时间序列表现出的周期性表明交通流可预测，随机性以及混沌特性预示实现理想的预测是有难度的；将一天的电梯交通流划分为上午上高峰、中午上/下行高峰、下午下行高峰、平时层间常规交通四个时段逐一分析，为预测方法的选择和建模提供指导。其次，概述人工神经网络的基本网络架构和学习规则等知识，选

3、定BP前馈神经网络建立电梯交通流预测的基本模型，重点从各层节点确定、样本库生成和BP算法等方面介绍模型建立过程；利用历史时刻交通流数据预测未来时刻的交通流状况，仿真结果表明传统BP算法虽然可跟踪电梯交通流变化趋势，但有迟滞，预测精度不高且易陷入局部极小值。最后，以TSP问题为背景给出蚁群算法的数学模型，针对原始蚁群算法面对规模较大问题时出现的收敛速度慢、耗时长或者过早收敛问题，提出基于排序的精英蚂蚁策略进行优化；在介绍ACO算法改进神经网络的具体方法以后，将ACO-BP神经网络用于电梯交通流预测并仿真分析，与传统BP网络相比，该方

4、法在训练步数、预测精度均有优势，而且能够全局寻优，不受局部极小值影响，用于电梯交通流预测非常合适。关键词：电梯交通流时间序列预测BP神经网络局部极小值蚁群优化精英蚂蚁排序策略ABSTRACTWiththeaccelerationofurbanizationprocessandtherapiddevelopmentofhigh-risebuildings,it’sbecomingmoreandmoreimportanttoimproveverticaltrafficefficiency.Asthebasisofelevatorcon

5、figurationplanningandgroupcontrolscheduling,elevatortrafficflowpredictionisthepremiseofsolvingtheverticaltrafficproblems.Uptonow,therehavebeenvarioustraditionalandintelligentmethodstopredicttrafficflow.However,asinglealgorithmcan’tmeettherequirementsofmodernintelligen

6、ttrafficsystemandthepredictiontrendisthecombinationoftraditionalandintelligentmethodsnow.ThispapercombinestimeseriesmethodwithneuralnetworkandestablishesanelevatortrafficflowpredictionmodelbasedonBPneuralnetwork.Thenantcolonyoptimization(ACO)algorithmisproposedtoimpro

7、veBPneuralnetworkandsimulationresultsshowthevalidityandreliabilityofACO-BPneuralnetworkusedinelevatortrafficflowprediction.Firstly,thetrafficflowdataofpassengersenteringandleavinganofficebuildingarecollectedandnormalizedtoformtimeseries.Theperiodicityofthetimeseriessh

8、owthepredictionpossibilityandtherandomnessandchaosshowthedifficulty.Thetrafficflowinonedayisdividedintofourperiods:morningup