基于改進小波神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測研究.pdf

1、交通流預(yù)測是智能交通系統(tǒng)實現(xiàn)交通誘導(dǎo)和控制的前提條件。交通流具有很強的非線性和時變性,要求預(yù)測模型具有實時性和準(zhǔn)確性。因此對交通流進行實時準(zhǔn)確的預(yù)測是一個熱點的研究課題。
　　交通流看似混亂無章,實際上存在混沌等特性。因此首先對交通流進行可預(yù)測分析,如果預(yù)測時間小于其預(yù)測尺度,便能保證交通流的可預(yù)測性。本文利用自相關(guān)函數(shù)及gp算法分別求出最佳延遲時間和最佳嵌入維數(shù),再建立遞歸圖形象的描述交通流的可預(yù)測性。交通流樣本的好壞直接影響預(yù)

2、測結(jié)果;因此需要對交通流數(shù)據(jù)進行預(yù)處理,本文提出一種改進的閾值函數(shù)法對交通流進行去噪處理。
　　大量的前期研究表明采用單一預(yù)測算法很難達到預(yù)期的精度要求。本文提出了基于改進的蟻群小波神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測方法。該方法初期采用改進蟻群算法對小波神經(jīng)網(wǎng)絡(luò)的參數(shù)進行訓(xùn)練,在全局范圍內(nèi)獲得較優(yōu)的初始解;后期采用BFGS算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò),克服了單純采用蟻群算法進行訓(xùn)練收斂速度慢的缺點。本文提出了一種改進的蟻群算法用于優(yōu)化小波神經(jīng)網(wǎng)絡(luò)。