基于混沌和小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測方法研究.pdf

1、隨著智能交通系統(tǒng)發(fā)展的不斷深入，道路交通流量分析和處理的研究也相繼展開，國家和政府可以通過對未來交通流信息實(shí)時(shí)且準(zhǔn)確的預(yù)測而研究出合適的控制策略來改善道路擁擠狀況，達(dá)到路網(wǎng)暢通與高效運(yùn)行。因此研究短時(shí)交通流預(yù)測方法對城市交通系統(tǒng)的控制具有重大的社會(huì)意義。
　　本文在研究了交通流混沌特性的基礎(chǔ)上，通過相空間重構(gòu)技術(shù)將一維的交通流時(shí)間序列中隱含的信息顯現(xiàn)出來，進(jìn)而更好地刻畫混沌吸引子的特征。本文采用C-C方法計(jì)算得出相空間重構(gòu)所需的嵌

2、入維數(shù)m和時(shí)間延遲τ，并對美國加州PeMS系統(tǒng)中真實(shí)交通流數(shù)據(jù)進(jìn)行相空間重構(gòu)后，通過小數(shù)據(jù)量法算出最大Lyapunov指數(shù)來判別混沌現(xiàn)象是否存在，進(jìn)而運(yùn)用混沌理論對交通流量序列進(jìn)行分析和可預(yù)測研究。
　　本文在分析了各類交通流預(yù)測模型的優(yōu)缺點(diǎn)后，選用小波神經(jīng)網(wǎng)絡(luò)(WNN)作為短時(shí)交通流預(yù)測的模型，并選取實(shí)際交通流量數(shù)據(jù)對基本的BP神經(jīng)網(wǎng)絡(luò)模型和WNN模型進(jìn)行仿真實(shí)驗(yàn)并作出對比分析，充分驗(yàn)證了WNN模型對短時(shí)交通流的預(yù)測無論是在準(zhǔn)確

3、度上還是收斂性上均優(yōu)于BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型。
　　針對小波神經(jīng)網(wǎng)絡(luò)預(yù)測效果的不穩(wěn)定性及誤差略高等不足之處，本文將遺傳算法(GA)引入WNN網(wǎng)絡(luò)中作為權(quán)值和小波參數(shù)的前期優(yōu)化，彌補(bǔ)了WNN網(wǎng)絡(luò)中梯度下降法對初始值敏感的缺陷，并通過改進(jìn)遺傳算法的編碼方式、遺傳算子自適應(yīng)變換、與蟻群算法相融合三個(gè)方面進(jìn)行了算法的改進(jìn)，充分利用了遺傳算法全局搜索能力和蟻群算法的局部尋優(yōu)的特性共同完成對短時(shí)交通流的預(yù)測。通過仿真實(shí)驗(yàn)中綜合預(yù)測性能指標(biāo)的對比