近年來,隨著經(jīng)濟(jì)的高速發(fā)展以及人民日益增長的生活需要,車輛越來越成為生活中的必需品,交通擁堵逐漸成為生活中一個亟待解決的問題,建立一種實(shí)時、高效的交通管理系統(tǒng)成為滿足出行需求的基本途徑。交通流預(yù)測是建立交通管理系統(tǒng)過程中的一個重要步驟。由于交通流數(shù)據(jù)具有混沌特性、受干擾性強(qiáng)、隨機(jī)波動性和較高復(fù)雜性等特點(diǎn),已經(jīng)有許多學(xué)者采用群智能算法和小波神經(jīng)網(wǎng)絡(luò)（Wavelet Neural Network,WNN）進(jìn)行交通流預(yù)測的研究,但目前的研究成果還不能實(shí)現(xiàn)短時交通流的精準(zhǔn)預(yù)測,花朵授粉算法（Flower Pollination Algorithm,FPA）是近年來新提出的群智能優(yōu)化算法,優(yōu)化能力強(qiáng),應(yīng)用廣泛,為此本文嘗試采用改進(jìn)花朵授粉算法進(jìn)行小波神經(jīng)網(wǎng)絡(luò)短時交通流的預(yù)測研究。本文從Minnesota大學(xué)交通數(shù)據(jù)研究中心獲取到的交通數(shù)據(jù),對數(shù)據(jù)進(jìn)行相應(yīng)的降噪、重構(gòu)處理,采用小波神經(jīng)網(wǎng)絡(luò)對交通流數(shù)據(jù)進(jìn)行預(yù)測研究。利用試湊法確定了網(wǎng)絡(luò)結(jié)構(gòu)中的隱含層節(jié)點(diǎn)個數(shù),并且通過仿真實(shí)驗(yàn)對比不同小波基函數(shù)的訓(xùn)練效果,最終選取Gaussian一階偏導(dǎo)函數(shù)作為激勵函數(shù)。結(jié)果表明本文使用的小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)能夠?qū)煌?.. 

【文章來源】：西南交通大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

小波分解原理圖

層小波分解為例，原始信號小波分解 和 做閾值處理。構(gòu)，對處理后的系數(shù)經(jīng)過逆變換得到息。 2-2 所示。原始信號小波分解頻信號保留高頻信號置零小波逆變換

層小波分解為例，原始信號小波分解 和 做閾值處理。構(gòu)，對處理后的系數(shù)經(jīng)過逆變換得到息。 2-2 所示。原始信號小波分解頻信號保留高頻信號置零小波逆變換

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)的多變量時序預(yù)測方法[J]. 陳建婷.  電子技術(shù)與軟件工程. 2019(05)
[2]基于改進(jìn)粒子群優(yōu)化算法的可見光室內(nèi)定位技術(shù)[J]. 成湘,白元濤,郭鑫,劉繼紅.  光通信技術(shù). 2019(04)
[3]基于時空相關(guān)性的短時交通流預(yù)測模型[J]. 熊亭,戚湧,張偉斌,李千目.  計(jì)算機(jī)工程與設(shè)計(jì). 2019(02)
[4]考慮需求響應(yīng)的水火電優(yōu)化調(diào)度改進(jìn)型花朵授粉算法[J]. 沈艷軍,楊鑫,劉允剛.  控制與決策. 2019(08)
[5]離散花朵授粉算法求解混合流水線調(diào)度問題[J]. 趙世安,屈遲文.  數(shù)學(xué)的實(shí)踐與認(rèn)識. 2018(13)
[6]基于梯度提升回歸樹的短時交通流預(yù)測模型[J]. 沈夏炯,張俊濤,韓道軍.  計(jì)算機(jī)科學(xué). 2018(06)
[7]具有記憶信息的花授粉算法[J]. 汪海,趙齊輝,劉升.  上海工程技術(shù)大學(xué)學(xué)報. 2018(01)
[8]基于小波分析與隱馬爾科夫模型的短時交通流預(yù)測[J]. 王川,張寶文.  交通節(jié)能與環(huán)保. 2018(01)
[9]一種精英反向?qū)W習(xí)的花授粉算法[J]. 張超.  西安工程大學(xué)學(xué)報. 2017(06)
[10]基于小波神經(jīng)網(wǎng)絡(luò)的短時交通流量預(yù)測[J]. 趙道利,谷偉豪,馮亞平.  微型機(jī)與應(yīng)用. 2017(23)

博士論文
[1]基于實(shí)時數(shù)據(jù)的道路網(wǎng)短時交通流預(yù)測理論與方法研究[D]. 姚智勝.北京交通大學(xué) 2007

碩士論文
[1]基于SVM和BP神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測與實(shí)現(xiàn)[D]. 余濤.南京郵電大學(xué) 2018
[2]基于粒子濾波與神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測[D]. 石睿.北京交通大學(xué) 2018
[3]基于雞群算法的小波神經(jīng)網(wǎng)絡(luò)短時交通流預(yù)測研究[D]. 蔣婷婷.西南交通大學(xué) 2018
[4]基于改進(jìn)狼群算法的小波神經(jīng)網(wǎng)絡(luò)短時交通流預(yù)測[D]. 齊璐.西南交通大學(xué) 2017
[5]基于混沌和小波神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測方法研究[D]. 金玉婷.西南交通大學(xué) 2014
[6]基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測研究[D]. 王瀝.電子科技大學(xué) 2012



本文編號：3403527