在智能交通系統(tǒng)中,短時(shí)交通流預(yù)測(cè)能有效改善交通擁堵,提高出行效率,具有重要的學(xué)術(shù)價(jià)值和現(xiàn)實(shí)意義。針對(duì)交通流預(yù)測(cè)問題,大部分現(xiàn)有模型僅考慮當(dāng)前預(yù)測(cè)路段的歷史交通流數(shù)據(jù)作為特征信息。實(shí)際上,影響交通流的因素繁多,且影響程度不一。本文綜合考慮不同因素在不同維度上對(duì)交通流的影響,并且改進(jìn)已有的分片線性神經(jīng)網(wǎng)絡(luò),深入研究模型的可解釋能力,并將其應(yīng)用于交通流預(yù)測(cè)問題中,在實(shí)現(xiàn)精確預(yù)測(cè)的同時(shí)實(shí)現(xiàn)變量選擇和分析,主要工作如下:從自適應(yīng)鏈接超平面AHH模型出發(fā),本文首先針對(duì)現(xiàn)有的基于樹形拓?fù)浣Y(jié)構(gòu)的AHH辨識(shí)算法,提出隨機(jī)自適應(yīng)鏈接超平面RAHH方法,大大加速了現(xiàn)有的AHH辨識(shí)算法并且精度也得以保證。進(jìn)一步,本文研究基于AHH網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的快速鏈接超平面神經(jīng)網(wǎng)絡(luò)EHH,提出采用分位數(shù)策略對(duì)網(wǎng)絡(luò)訓(xùn)練中的分割節(jié)點(diǎn)選取進(jìn)行改進(jìn),避免數(shù)據(jù)分布不均勻的情況,改進(jìn)了已有的神經(jīng)元選取方法。隨后,本文分別從模型特點(diǎn)分析以及數(shù)值實(shí)驗(yàn)對(duì)比了RAHH及EHH。基于此,以EHH網(wǎng)絡(luò)為基礎(chǔ),深入分析了模型可解釋能力,討論如何對(duì)EHH進(jìn)行網(wǎng)絡(luò)分解得到不同變量對(duì)模型輸出的影響,并研究相應(yīng)的變量分析與選擇方法。本文將具有可解釋能力的EH...

【文章頁數(shù)】：65 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究的背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀及分析
        1.2.1 交通流預(yù)測(cè)的研究現(xiàn)狀
        1.2.2 分片線性神經(jīng)網(wǎng)絡(luò)的研究現(xiàn)狀
    1.3 本文的主要研究?jī)?nèi)容
第2章 交通流預(yù)測(cè)問題
    2.1 交通流宏觀參數(shù)及特點(diǎn)
        2.1.1 交通流宏觀參數(shù)
        2.1.2 交通流數(shù)據(jù)特點(diǎn)
    2.2 交通流數(shù)據(jù)采集及預(yù)處理
        2.2.1 交通流數(shù)據(jù)采集方法
        2.2.2 異常數(shù)據(jù)的識(shí)別與處理
    2.3 交通流預(yù)測(cè)模型
        2.3.1 常規(guī)的交通流預(yù)測(cè)模型
        2.3.2 交通流預(yù)測(cè)模型綜述
    2.4 本章小結(jié)
第3章 基于隨機(jī)策略的分片線性網(wǎng)絡(luò)
    3.1 分片線性函數(shù)
        3.1.1 簡(jiǎn)介
        3.1.2 分片線性函數(shù)在神經(jīng)網(wǎng)絡(luò)中的應(yīng)用
    3.2 隨機(jī)自適應(yīng)鏈接超平面模型
        3.2.1 AHH模型
        3.2.2 RAHH模型
    3.3 快速鏈接超平面網(wǎng)絡(luò)及其改進(jìn)
        3.3.1 網(wǎng)絡(luò)結(jié)構(gòu)
        3.3.2 訓(xùn)練方法
        3.3.3 EHH網(wǎng)絡(luò)中神經(jīng)元選取的改進(jìn)
    3.4 RAHH與EHH模型特點(diǎn)
        3.4.1 模型結(jié)構(gòu)特點(diǎn)
        3.4.2 模型可解釋性分析與變量選擇
    3.5 模型仿真實(shí)驗(yàn)
        3.5.1 RAHH隨機(jī)策略及EHH神經(jīng)元的改進(jìn)
        3.5.2 RAHH,EHH及其他模型對(duì)比
    3.6 本章小結(jié)
第4章 基于分片線性神經(jīng)網(wǎng)絡(luò)的交通流預(yù)測(cè)
    4.1 交通流預(yù)測(cè)問題描述
    4.2 基于EHH網(wǎng)絡(luò)的交通流預(yù)測(cè)及分析
        4.2.1 交通流預(yù)測(cè)方案
        4.2.2 基于EHH網(wǎng)絡(luò)的交通流特征分析與變量選擇
    4.3 交通流預(yù)測(cè)仿真實(shí)驗(yàn)
        4.3.1 數(shù)據(jù)預(yù)處理
        4.3.2 特征分析
        4.3.3 變量選擇
        4.3.4 模型預(yù)測(cè)結(jié)果與對(duì)比
    4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其他成果
致謝



本文編號(hào)：3865103