基于lagrange支持向量回归机交通流量预测模型的研究——与bp神经网络预测模型比较

基于lagrange支持向量回归机交通流量预测模型的研究——与bp神经网络预测模型比较

ID:34801452

大小:772.85 KB

页数:74页

时间:2019-03-11

基于lagrange支持向量回归机交通流量预测模型的研究——与bp神经网络预测模型比较_第1页
基于lagrange支持向量回归机交通流量预测模型的研究——与bp神经网络预测模型比较_第2页
基于lagrange支持向量回归机交通流量预测模型的研究——与bp神经网络预测模型比较_第3页
基于lagrange支持向量回归机交通流量预测模型的研究——与bp神经网络预测模型比较_第4页
基于lagrange支持向量回归机交通流量预测模型的研究——与bp神经网络预测模型比较_第5页
资源描述:

《基于lagrange支持向量回归机交通流量预测模型的研究——与bp神经网络预测模型比较》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、分类号:U491密级:公开UDC:单位代码:10424学位论文基于Lagrange支持向量回归机交通流量预测模型的研究——与BP神经网络预测模型比较刘艳忠申请学位级别:硕士学位专业名称:交通运输规划与管理指导教师姓名:吴守荣职称:教授山东科技大学二零零六年六月论文题目:基于Lagrange支持向量回归机交通流量预测模型的研究——与BP神经网络预测模型比较作者姓名:刘艳忠入学时间:2003年9月专业名称:交通运输规划与管理研究方向:交通规划与管理的系统方法指导教师:吴守荣职称:教授论文提交日期:2006

2、年5月论文答辩日期:2006年6月授予学位日期:RESEARCHOFTHEPREDICTIONMODELOFTRAFFICFLOWBASEDONLSVR——COMPAREDWITHTHEPREDICTIONMODELOFBPNNADissertationsubmittedinfulfillmentoftherequirementsofthedegreeofMASTEROFPHILOSOPHYfromShandongUniversityofScienceandTechnologybyLiuYanZhon

3、gSupervisor:ProfessorWUShouRongCollegeofInformationandElectricalEngineeringJune2006声明本人呈交给山东科技大学的这篇硕士学位论文,除了所列参考文献和世所公认的文献外,全部是本人在导师指导下的研究成果。该论文资料尚没有呈交于其它任何学术机关作鉴定。硕士生签名:日期:AFFIRMATIONIdeclarethatthisdissertation,submittedinfulfillmentoftherequirementsf

4、ortheawardofMasterofScienceinShandongUniversityofScienceandTechnology,iswhollymyownworkunlessreferencedofacknowledge.Thedocumenthasnotbeensubmittedforqualificationatanyotheracademicinstitute.Signature:Date:山东科技大学硕士学位论文摘要摘要交通系统是支持社会经济发展的基础设施和“循环系统”,在社会经济

5、系统中占有重要的地位。交通问题解决的好与坏,直接影响着国民经济的发展与人民生活质量的提高。及时、准确的交通流预测是实现交通流控制与诱导的基础性问题,随着预测时间跨度的缩短,交通流显示出来的非线性、时变性、不确定性越来越强,历史平均模型、时间序列模型、卡尔曼滤波模型、非参数回归模型、神经网络模型、组合预测模型等这些传统预测模型的预测效果和预测精度不甚理想。本文利用Lagrange支持向量回归机算法提出了一种预测模型,通过仿真试验并与BP神经网络预测模型的对比,显示出该方法具有预测精度高、速度快的优势。第

6、一章主要介绍我国城市交通发展的状况及其问题对策、智能交通系统的内容及关键问题和本论文的研究目的、意义。第二章主要阐述交通流的理论相关知识、当前常用的交通流量预测方法。第三章研究BP神经网络预测模型,首先介绍神经网络的基本理论,然后研究BP神经网络的算法以及改进算法,最后建立预测模型。第四章研究Lagrange支持向量回归机预测模型,介绍支持向量机的数学理论基础——统计学习理论、支持向量机标准算法,将其推广到Lagrange支持向量回归机算法并建立预测模型,最后对Lagrange支持向量回归机算法和BP

7、神经网络算法进行较全面系统地对比。第五章进行仿真试验,本文给出了一种构造时间序列数据集的方法,通过Matlab实现仿真试验,显示出了Lagrange支持向量回归机预测模型较好的预测效果。第六章总结论文主要工作并给出了未来工作的展望。关键词:智能交通系统、交通流、神经网络、BP神经网络、支持向量机、Lagrange支持向量回归机ABSTRACT山东科技大学硕士学位论文ABSTRACTThetransportationsystemistheinfrastructureand“thecirculatorys

8、ystem”forsupportingthesocialeconomydevelopmentandholdstheimportantstatusinthesocialeconomysystem.Whethertransportationquestionsaresolvedwellornotwillaffectthedevelopmentofthenationaleconomyandtheenhancementofthelivesqualitydirect

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。