

已閱讀1頁,還剩64頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、交通系統(tǒng)的信息化和智能化建設是加快城市現(xiàn)代化進程的重要舉措,也是滿足城市居民日益增加的出行需求的基本途徑。交通控制與誘導既是城市交通規(guī)劃的研究內容,也是智能交通領域的一項重要課題,其實現(xiàn)依賴于實時準確的短時交通流預測。交通流具有不確定性、隨機性、時變性的特點,短時交通流時間序列也存在混沌特性,因而如何建立準確的短時交通流預測模型是當前的研究熱點。
本文以青島市某路段采集的交通流數(shù)據(jù)為基礎,利用混沌理論分析短時交通流的混沌特性,
2、為下一步的預測打下基礎。首先采用C-C法對交通流時間序列進行分析處理,獲得相空間重構所需的嵌入維數(shù)和延遲時間,然后對該時間序列重構相空間,最后利用小數(shù)據(jù)量法計算相空間的最大李雅普諾夫指數(shù)來判定系統(tǒng)混沌特性的存在。
最小二乘支持向量機(LSSVM)具有強大的學習和泛化能力,而且能較好處理小樣本和非線性問題。為了提高短時交通流預測的精度,本文提出基于改進LSSVM的預測方法。采用粒子群(PSO)算法優(yōu)化LSSVM,通過PSO的全局
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于混沌和SVR的短時交通流預測方法研究.pdf
- 基于混沌理論的短時交通流預測方法研究.pdf
- 基于混沌和神經網絡的短時交通流預測研究.pdf
- 基于混沌和PSO神經網絡的短時交通流預測研究.pdf
- 基于混沌和模糊神經網絡的城市短時交通流量預測.pdf
- 基于改進神經網絡的短時交通流預測研究.pdf
- 基于混沌和小波神經網絡的短時交通流預測方法研究.pdf
- 基于SARIMA和SVM模型的短時交通流預測.pdf
- 基于深度學習的短時交通流預測.pdf
- 基于短時交通流預測的交通控制算法研究.pdf
- 基于改進小波神經網絡的短時交通流預測研究.pdf
- 基于改進的極限學習機短時交通流預測模型研究.pdf
- 基于LSSVM的短期交通流預測研究與應用.pdf
- 基于Spark的短時交通流預測系統(tǒng)設計.pdf
- 短時交通流分析及預測.pdf
- 短時交通流預測方法研究.pdf
- 基于改進粒子群優(yōu)化BP和RBF組合算法短時交通流預測.pdf
- 基于深度學習的路網短時交通流預測.pdf
- 基于深度信念網絡的短時交通流預測.pdf
- 基于SVM的交通流短時預測方法研究.pdf
評論
0/150
提交評論