交通流量時間序列混沌特性分析及預測研究.pdf

1、交通流誘導系統(tǒng)是目前公認的提高交通效率和機動性的最佳途徑,而實現交通流誘導系統(tǒng)的關鍵和前提是交通流量時間序列的預測,因此,實時準確的交通流量時間序列預測成為智能化交通系統(tǒng)的熱點研究問題之一。由于交通流量運行的高度非線性、復雜性和不確定性,使得傳統(tǒng)的交通流量時間序列預處理技術不能取得令人滿意的效果。研究以非線性為特征的混沌理論被稱為20世紀自然科學的第三次大革命,這給交通流時間序列混沌特征的提取提供了科學的依據。在交通流量時間序列預測方面

2、,經典的預測技術不具備自適應和自學習的能力,人工神經網絡具有高度非線性、自組織、自適應、容錯性及實時性等特點,可以很好的解決交通領域內的非線性問題。本論文在重慶市科委自然科學基金重點項目“城市交通路網擁堵動態(tài)預警與疏導決策技術研究”(項目編號:CSTC2006BA6016)的支持下,在分析相空間重構理論和時間序列的混沌特征基礎上,對交通流量時間序列進行了混沌特征提取的預處理,并在此基礎上結合神經網絡的對交通流量混沌時間序列進行了建模和預

3、測研究,本論文的主要研究成果包括:1、在分析混沌時間序列特征量和相空間重構理論的基礎上,研究了交通流量時間序列的混沌特性,通過定性分析和定量計算,指出了城市交通流量時間序列是一個混沌系統(tǒng)。2、研究了基于混沌算法的小波神經網絡交通流量混沌時間序列預測的問題。首先,通過混沌理論提取了交通流量時間序列的混沌特征,并在此基礎上建立了小波神經網絡交通流量時間序列模型;接著,闡述了混沌學習算法的混沌機理、混沌產生的概率,設計了基于混沌算法的小波神經

4、網絡交通流量混沌時間序列快速學習算法;最后利用交通流量混沌時間序列對BP網絡、非混沌算法的小波神經網絡以及基于混沌算法的小波神經網絡進行了單步預測和多步預測,并對預測結果的仿真圖和真實值與預測值的方均根進行了比較,結果表明基于混沌學習算法的小波神經網絡的預測性能明顯優(yōu)于應用BP網絡和非混沌算法的小波神經網絡。3、在分析Volterra泛函模型與ANN模型進行一致性研究的基礎上,提出了交通流量混沌時間序列Volterra神經網絡模型(VN

5、NIF)。結合交通流量時間序列有限記憶性能和混沌相空間重構的數學意義,給出了交通流量混沌時間序列Volterra級數模型截斷階數的方法同時,得出了交通流量Volterra級數模型的截斷項數等于各交通流信號記憶長度的最大值,也等于相空間的最小嵌入維數的結論。最后,設計了VNNTF網絡學習算法,利用VNNTF網絡對交通流量混沌時間序列進行了單步和多步預測,與BP網絡和Volterra模型的預測結果比較,取得了相當好的預測效果。4、研究了交通

6、流量混沌時間序列與FIR神經網絡的建?；A,提出了交通流量FIRIF神經網絡模型。針對FIRIF神經網絡的隱層神經元輸入輸出信號為向量的情況,提出了FIRTF模型的隱層神經元數個數灰色關聯分析確定法;在FIR神經網絡算法的基礎上,設計了基于混沌機理的交通流量FIRTF自適應算法。最后,通過交通流量時間序列數據進行了試驗分析,說明交通流量FIRTF神經網絡以及其于混沌機理的交通流量FIRTF自適應算法綜合了gda-BP網絡、gdm-BP網