短时交通流的混沌性分析及其基于神经网络的预测模型研究

论文题目: 短时交通流的混沌性分析及其基于神经网络的预测模型研究

论文类型: 硕士论文

论文专业: 系统工程

作者: 华冬冬

导师: 陈森发

关键词: 短时交通流,预测,智能交通系统,非线性,混沌,相空间重构,隔离小生境遗传算法,神经网络

文献来源: 东南大学

发表年度: 2005

论文摘要: 短时交通流预测问题在城市交通控制和管理中起着十分重要的作用,随着时间跨度的缩短,交通流量的变化显示出越来越强的不确定性。较早期的预测方法,不能反映出短时交通流过程的不确定性与非线性,无法克服随机干扰因素对交通流量的影响。所以随着预测时间间隔的缩短,这些模型的预测精度就会变得很低。本文通过分析短时交通流量数据在时间序列上的特点,引入混沌理论的分析方法,从非线性时间序列预测的角度对交通流量预测进行了研究。用混沌理论来分析研究交通中存在的问题,有助于人们把握交通系统的规律性,为解决交通流问题开辟了新的途径。基于混沌的相空间重构技术能够较好地刻画短时交通流变化量中所包含的系统本身内在的随机性。对于混沌性的短时交通流,本文运用智能方法对其进行预测。本文将交通流系统相空间重构参数与神经网络预测方法相结合,进而选择神经网络的最佳输入模式。用隔离小生境技术优化遗传算法,再针对BP神经网络运行的特点,用隔离小生境遗传算法优化神经网络,进而选择神经网络的最佳隐层结构。通过构建合理的神经网络预测模型,给出了短时交通流量的预测方法。该神经网络进化建模方法设计简单通用,模型性能评价全面合理,全局搜索效率高。并用此模型,对城市道路路段短时交通流量进行预测,取得了较为满意的效果。

论文目录:

摘要

Abstract

第一章 绪论

1.1 选题的背景及意义

1.1.1 交通问题的现状

1.1.2 智能交通系统的进展与短时交通流

1.1.3 神经网络在交通领域的应用

1.2 短时交通流的预测

1.2.1 短时交通流预测历史

1.2.2 混沌理论引入短时交通流研究

1.3 本文研究的主要内容

第二章 短时交通流混沌性分析的理论基础

2.1 混沌

2.1.1 混沌的认识

2.1.2 混沌的定义

2.2 混沌时间序列分析

2.2.1 混沌时间序列分析技术

2.2.2 混沌时间序列的相空间重构

2.3 嵌入时间延迟τ和嵌入维数D_E 的选取

2.3.1 嵌入时间延迟τ

2.3.2 嵌入维数D_E

2.4 时间序列的混沌识别

2.4.1 分形维数

2.4.2 关联维提取算法

2.4.3 Lyapunov 指数

2.4.4 最大可预报尺度

第三章 改进的神经网络预测模型的分析

3.1 人工神经网络概述

3.1.1 神经网络基本理论

3.1.2 人脑神经元的基本模型

3.1.3 BP 算法及其工作原理

3.1.4 BP 算法的一般步骤

3.2 对神经网络学习算法的改进

3.2.1 传统BP 算法存在的缺点

3.2.2 BP 学习算法的改进

3.3 隔离小生境遗传算法优化BP 神经网络

3.3.1 物种形成和隔离小生境技术的引入

3.3.2 基于隔离小生境技术的遗传算法(IGA)

3.3.3 基于隔离小生境技术的遗传算法步骤

3.3.4 隔离小生境遗传算法优化BP 神经网络步骤

第四章 混沌性短时交通流基于神经网络的预测模型应用

4.1 短时交通流基于神经网络的预测模型

4.1.1 网络结构的设计及样本的选取

4.1.2 预测模型参数的自适应调整

4.1.3 短时交通流基于神经网络预测模型步骤

4.2 实例应用及分析

第五章 结论

致谢

参考文献

在读期间完成的论文和参加的项目

发布时间: 2007-06-11

参考文献

• [1].基于不同神经网络对已加固刚架拱桥静力有限元模型的参数识别及修正[D]. 张可赞.长安大学2018
• [2].基于UWB的无线测距与车辆组合定位算法研究[D]. 苏婷.长安大学2018
• [3].高速公路收费站改扩建工程前期风险管理研究[D]. 吴翔一.华北水利水电大学2018
• [4].基于Spark的公交车到站时间预测系统的设计与实现[D]. 樊田梅.内蒙古大学2018
• [5].基于深度神经网络的短时客流量预测[D]. 高莹.杭州电子科技大学2018
• [6].应用BP神经网络修正桥梁有限元模型[D]. 吕泽鹏.郑州大学2018
• [7].BP神经网络在公共自行车站点需求预测中的应用研究[D]. 周敏.苏州科技大学2018
• [8].基于BP神经网络的视觉类次任务驾驶安全性预测模型研究[D]. 郭柏苍.吉林大学2018
• [9].基于选择性搜索和改进卷积神经网络的交通标志识别[D]. 刘思思.湖南大学2018
• [10].基于RBF神经网络的曲线斜拉桥不确定性模型修正[D]. 李秉穹.西南交通大学2018

相关论文

• [1].基于混沌和神经网络的短时交通流预测研究[D]. 胡洁.武汉理工大学2007
• [2].城市动态交通信息采集点布设及交通流短期预测方法研究[D]. 姜雪花.东南大学2006
• [3].基于灰色理论和BP神经网络交通流预测模型研究[D]. 陈纲.哈尔滨工业大学2006
• [4].神经网络在城市交通流预测模型中应用的研究[D]. 李贞珍.上海交通大学2007
• [5].基于状态划分的交通流短时预测方法研究[D]. 刘静.北京交通大学2007
• [6].城市交通流混合预测方法的研究[D]. 丁肃然.天津大学2004
• [7].广义神经网络的研究及其在交通流预测中的应用[D]. 苑文江.大连理工大学2005
• [8].短时交通流特性及其预测方法的研究[D]. 唐明.长沙理工大学2004
• [9].基于BP神经网络的城市交通流量预测与路口分析[D]. 曹炜.昆明理工大学2006
• [10].短时交通流量预测研究[D]. 兰云.西北工业大学2002

标签：短时交通流论文;  预测论文;  智能交通系统论文;  非线性论文;  混沌论文;  相空间重构论文;  隔离小生境遗传算法论文;  神经网络论文;