本文關鍵詞：適于城市交通時序空間數(shù)據(jù)預測的層疊泛化模型

  更多相關文章： 時序數(shù)據(jù)分析 城市交通 集成學習 層疊泛化 魯棒性

【摘要】：受地理過程的動態(tài)隨機性影響,時序空間數(shù)據(jù)建模普遍存在先驗知識缺乏與模型參數(shù)設置問題,導致單一模型難以有效地反映地理系統(tǒng)的整體運行狀態(tài)。本文提出了一個普適性的集成學習框架,設計了基于異態(tài)集成學習的層疊泛化模型,按照組合模型最大化減小原始預測誤差原則改進了層疊泛化模型平均輸出的混合策略,并基于error-ambiguity decomposition對提出的層疊泛化模型的有效性進行了數(shù)學證明�；诒本┦薪煌肪W通行狀態(tài)數(shù)據(jù)的實驗結果表明,層疊泛化模型的均方根誤差與平均絕對誤差均小于單一模型;平均絕對誤差方差均小于基于數(shù)理統(tǒng)計的混合模型,驗證了層疊泛化模型在時序空間數(shù)據(jù)預測方面的優(yōu)越性。
【作者單位】： 中國科學院地理科學與資源研究所資源與環(huán)境信息系統(tǒng)國家重點實驗室;
【關鍵詞】： 時序數(shù)據(jù)分析 城市交通 集成學習 層疊泛化 魯棒性
【基金】：國家自然科學基金項目(41271408、41401460)
【分類號】：U491;P208
【正文快照】： 1引言當前,隨著ICT(Information Communication Tech-nology,ICT)技術的發(fā)展,越來越多的傳感器被布置與應用到城市交通狀態(tài)的數(shù)據(jù)搜集過程中,如浮動車、手機信令、紅外探測儀、公交車輛及可穿戴設備,極大地豐富了智能交通系統(tǒng)(Intelligent TransportSystem,ITS)與城市GIS研究

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 于濱;楊忠振;林劍藝;;應用支持向量機預測公交車運行時間[J];系統(tǒng)工程理論與實踐;2007年04期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 姚寶珍;于濱;楊忠振;;基于公交車到站時間預測的動態(tài)滯站調度模型[J];北京工業(yè)大學學報;2011年06期

2 封云;馬軍海;;供應鏈需求預測的非線性方法研究[J];北京理工大學學報(社會科學版);2008年05期

3 陳圣兵;李正茂;王曉峰;;智能公交中基于條件映射的到站時間預測算法[J];計算機工程;2012年11期

4 向紅艷;彭學文;;公交到站時間預測研究現(xiàn)狀與發(fā)展趨勢[J];交通信息與安全;2014年04期

5 謝玲;李培峰;朱巧明;;一種動態(tài)和自適應公交到站時間預測方法[J];計算機科學;2015年01期

6 姚寶珍;楊成永;于濱;;動態(tài)公交車輛運行時間預測模型[J];系統(tǒng)工程學報;2010年03期

7 李大銘;于濱;;公交運營的協(xié)控準點滯站調度模型[J];系統(tǒng)工程學報;2012年02期

8 吳奇;武書彥;劉靜;;基于F_υ-SVM的機械故障診斷方法[J];系統(tǒng)工程理論與實踐;2010年07期

9 孫涵;楊普容;成金華;;基于Matlab支持向量回歸機的能源需求預測模型[J];系統(tǒng)工程理論與實踐;2011年10期

10 于俊梅;楊毅;;基于支持向量回歸機的公交站點客流量預測研究[J];煙臺職業(yè)學院學報;2008年01期

中國博士學位論文全文數(shù)據(jù)庫 前3條

1 姚寶珍;城市公交樞紐布局與運營調度方法研究[D];北京交通大學;2011年

2 封云;復雜供應鏈系統(tǒng)牛鞭效應的若干問題研究[D];天津大學;2008年

3 劉明君;基于混合交通流的信號交叉口機動車車頭時距研究[D];北京交通大學;2010年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 趙明月;實時公交信息服務關鍵技術研究[D];上海交通大學;2012年

2 龍佳;公交車到站時間分布規(guī)律及其運行可靠性分析[D];中南大學;2012年

3 吳楊;通勤日活動—出行時間預測模型研究[D];吉林大學;2013年

4 杜雨威;城市公共交通服務可靠性評價方法研究[D];大連海事大學;2013年

5 李瑤;基于GPS的公交車輛到站預測模型設計與應用[D];大連海事大學;2013年

6 陳浩;基于車輛旅行時間分布規(guī)律的公交站點能力優(yōu)化研究[D];中南大學;2013年

7 俞彬;基于無線互聯(lián)網的嘉善城鄉(xiāng)公交信息系統(tǒng)研究[D];華東理工大學;2014年

8 鄭靜;滬寧鐵路沿線城市產業(yè)轉移預測模型構建及應用問題研究[D];南京航空航天大學;2013年

9 史四虎;基于改進灰色系統(tǒng)-BP神經網絡—支持向量機的需求預測模型研究[D];東北大學;2012年

10 謝玲;公交到站時間預測及換乘機制的研究[D];蘇州大學;2014年

【二級參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 王定成,方廷健,高理富,馬永軍;支持向量機回歸在線建模及應用[J];控制與決策;2003年01期

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張滄生;崔麗娟;楊剛;倪志宏;;集成學習算法的比較研究[J];河北大學學報(自然科學版);2007年05期

2 朱敏;張永清;李夢龍;周大威;黃俊;;基于集成學習方法的蛋白質相互作用預測[J];四川大學學報(工程科學版);2011年03期

3 ;勘誤[J];國土資源遙感;2014年01期

4 李凱;常圣領;高悅;;基于聚類技術的集成學習方法研究[J];河北大學學報(自然科學版);2009年02期

5 虞凡;楊利英;覃征;;異構集成學習中的觀察學習機制研究(英文)[J];廣西師范大學學報(自然科學版);2006年04期

6 李國正;李丹;;集成學習中特征選擇技術[J];上海大學學報(自然科學版);2007年05期

7 杜培軍;阿里木·賽買提;;高分辨率遙感影像分類的多示例集成學習[J];遙感學報;2013年01期

8 時雷;虎曉紅;席磊;;基于集成學習的網頁分類算法[J];鄭州大學學報(理學版);2009年03期

9 王功孝;吳渝;李偉生;;基于粗糙集和集成學習的聊天知識抽取算法[J];廣西師范大學學報(自然科學版);2008年03期

10 丁爽;白晨希;申石磊;;一種基于小波變換特征提取的集成學習算法[J];魯東大學學報(自然科學版);2010年02期

中國重要會議論文全文數(shù)據(jù)庫 前4條

1 關菁華;劉大有;賈海洋;;自適應多分類器集成學習算法[A];第二十五屆中國數(shù)據(jù)庫學術會議論文集（二）[C];2008年

2 劉伍穎;王挺;;一種多過濾器集成學習垃圾郵件過濾方法[A];第三屆全國信息檢索與內容安全學術會議論文集[C];2007年

3 葉紅云;倪志偉;陳恩紅;;一種混合型集成學習演化決策樹算法[A];2005年“數(shù)字安徽”博士科技論壇論文集[C];2005年

4 李燁;蔡云澤;許曉鳴;;基于支持向量機集成的故障診斷[A];第16屆中國過程控制學術年會暨第4屆全國故障診斷與安全性學術會議論文集[C];2005年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 阿里木·賽買提(Alim.Samat);基于集成學習的全極化SAR圖像分類研究[D];南京大學;2015年

2 張春霞;集成學習中有關算法的研究[D];西安交通大學;2010年

3 劉天羽;基于特征選擇技術的集成學習方法及其應用研究[D];上海大學;2007年

4 尹華;面向高維和不平衡數(shù)據(jù)分類的集成學習研究[D];武漢大學;2012年

5 王清;集成學習中若干關鍵問題的研究[D];復旦大學;2011年

6 方育柯;集成學習理論研究及其在個性化推薦中的應用[D];電子科技大學;2011年

7 侯勇;特征提取與集成學習算法的研究及應用[D];北京科技大學;2015年

8 李燁;基于支持向量機的集成學習研究[D];上海交通大學;2007年

9 程麗麗;支持向量機集成學習算法研究[D];哈爾濱工程大學;2009年

10 林智勇;基于核方法的不平衡數(shù)據(jù)學習[D];華南理工大學;2009年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 高偉;基于半監(jiān)督集成學習的情感分類方法研究[D];蘇州大學;2015年

2 宋文展;基于抽樣的集成進化算法研究[D];廣西大學;2015年

3 張妤;支持向量機集成學習方法研究[D];山西大學;2008年

4 李濤;基于條件互信息的集成學習的研究與應用[D];中國海洋大學;2009年

5 楊長盛;基于成對差異性度量的選擇性集成學習方法研究[D];安徽大學;2010年

6 曹振田;基于Q統(tǒng)計量的選擇性集成學習研究[D];安徽大學;2010年

7 王麗麗;集成學習算法研究[D];廣西大學;2006年

8 馬冉冉;集成學習算法研究[D];山東科技大學;2010年

9 張新東;集成學習及其應用研究[D];石家莊經濟學院;2010年

10 吳科主;基于多任務的多層次選擇性集成學習的研究[D];安徽工業(yè)大學;2010年

，

本文編號：782042