改进小波神经网络在城市轨道交通客流预测中的应用研究

改进小波神经网络在城市轨道交通客流预测中的应用研究

ID:35028071

大小:3.79 MB

页数:61页

时间:2019-03-16

改进小波神经网络在城市轨道交通客流预测中的应用研究_第1页
改进小波神经网络在城市轨道交通客流预测中的应用研究_第2页
改进小波神经网络在城市轨道交通客流预测中的应用研究_第3页
改进小波神经网络在城市轨道交通客流预测中的应用研究_第4页
改进小波神经网络在城市轨道交通客流预测中的应用研究_第5页
资源描述:

《改进小波神经网络在城市轨道交通客流预测中的应用研究》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、中图分类号:U293.13密级:公开UDC:编号:本校I.菊W交4乂肇硕±学位论文论文题目:改进小波神经网络在城市城道交通客流預测中的度用研究研究生姓名:岳小雪学号:0212456学校指导教师姓名:郑表水职称:副教授王学硕去学位专交通信息工程及控制申请学位等级;25.6.10论文提交日期.6.12论文答辩日期;^:2015_独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果,除了丈中特别加标注和致谢之处外,论文中不包含其他人巳经发表或

2、撰写过的研究成果,也不包含获得兰州巧通大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。/^■学位论义作者签名签字日期:如取年^月日学位论文版权使用授权书本学位论文作者完全了解兰州交通大学有关保留、使用学位论义的规定。特授权兰州巧通大学可W将学位论文的全部或部分内容编入有关数据库进行检索,并采用影印、缩印或巧描等复制手段保存、汇编^^1供查阅和借阅。同意学校向国家有关部口或机构送交论文的复印件和磁盈。(保密的学位论文在解密后适用本授权

3、说明):学位论文作者签名^雪导师签名;碑签字日期:W皆年^月日签字日期:火化年月成曰硕士学位论文改进小波神经网络在城市轨道交通客流预测中的应用研究ApplicationResearchonUrbanRailTransitPassengerFlowPredictionBasedonOptimizedWaveletNeuralNetwork作者姓名:岳小雪学科、专业:交通信息工程及控制学号:0212456指导教师:郑云水副教授完成日期:2015年4月10日兰州交通大学LanzhouJiaotongUniversity兰州交通大学硕士

4、学位论文摘要城市轨道交通具有准点率高、速度快、运量大、运距长、舒适度高、受外界影响小、资源消耗少的特点,不仅满足了居民出行的新要求,还能有效的缓解城市公共交通拥堵现象,并起到为城市节能减噪、改善大气环境的作用,逐步成为出行者主要选择的公共交通方式。随着城市轨道交通系统的逐步发展,路网规模的日渐完善与扩大,会吸引更多的出行者,而随着客流量的与日俱增,城市轨道交通车站站点会出现客流过度饱和的状态;且在既缺乏客流分布的详细信息又缺少以精准的客流预测方法为基础的客流诱导的情况下,出行者将会大量的集中在时间或距离最短的道路上,造成车厢拥挤,换乘拥堵的现象,且

5、运力配置、客运组织也难以有效实施,站内突发事件预警及疏散方案亦无法准确制定。因此,对城市轨道交通短期客流预测进行研究具有重大意义。本文以郑州轨道交通1号线二七站的实测客流为基础,围绕短期客流预测问题,进行如下研究工作:首先,对城市轨道交通路网客流的时间、空间分布特性进行总结,为后文的短期客流预测打下基础。其次,总结短期客流预测的方法,分析各种方法的长短板及适用性。针对具有高度复杂性、随机性、非线性以及不确定性的城市轨道交通短期客流预测问题,相较于传统的预测方法,WNN(WaveletNeuralNetwork,小波神经网络)作为新型的非线性函数逼近

6、工具,具有明显的优势,确定使用WNN对短期客流进行预测,并对WNN的基本原理、结构及算法步骤做简单阐述。再次,利用聚类分析和Spearman相关系数法对原始客流数据、相关影响因素进行预处理,保证输入与输出的合理性、可靠性,在一定程度上也提高了WNN的训练能力。最后,针对WNN预测效果的不稳定性以及预测精度略低等不足之处,提出SFLBAWGM(ShuffledFrog-LeapingBatAlgorithmwithGaussMutation,带有高斯变异的混合蛙跳蝙蝠算法),用于对WNN初始参数组合的前期优化,弥补WNN中梯度下降法对初始参数较敏感的

7、缺点。仿真结果表明,SFLBAWGM相较于BA(BatAlgorithm,蝙蝠算法)、SFLA(ShuffledFrog-LeapingAlgorithm,混合蛙跳算法)以及部分参考文献所涉及的改进算法具有明显的优势;且对短期客流的实例预测结果表明,本文构建的预测模型的预测结果最为接近实测客流数据。关键词:城市轨道交通;短期客流预测;小波神经网络;蝙蝠算法;混合蛙跳算法论文类型:应用基础研究-I-兰州交通大学硕士学位论文AbstractUrbanrailtransithasmanypointsofadvantage:highpunctualityr

8、ateandspeed,largequantityandlongdistanceoftransportation,high

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。