

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著互聯(lián)網(wǎng)的快速發(fā)展,大數(shù)據(jù)和互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、車聯(lián)網(wǎng)等相互交融,這也影響著物流行業(yè)的發(fā)展。物流企業(yè)產(chǎn)生的物流大數(shù)據(jù)范圍較廣,其中物流交通大數(shù)據(jù)是重要組成部分。交通大數(shù)據(jù)的有效處理為物流公司基于時(shí)間、成本、路線等車輛調(diào)度的應(yīng)用服務(wù)提供了可靠的理論依據(jù)和技術(shù)支持。實(shí)時(shí)準(zhǔn)確的交通大數(shù)據(jù)流預(yù)測(cè)是實(shí)現(xiàn)數(shù)據(jù)有效處理的前提和基礎(chǔ),這也給交通大數(shù)據(jù)的預(yù)測(cè)帶來(lái)了新的問(wèn)題,值得深入研究。
時(shí)間序列模型僅需歷史時(shí)間序列即可對(duì)交通流進(jìn)行有效預(yù)測(cè)。因此
2、,本文首先分析交通流數(shù)據(jù)的特征并進(jìn)行LMD(Local Mean Decomposition)分解,并證明了分解后的流量序列具有短相關(guān)特征,提出了一種基于LMD和GARCH(Generalized AutoRegressive Conditional Heteroskedasticity)交通流量時(shí)間序列預(yù)測(cè)算法,預(yù)測(cè)精度顯著高于傳統(tǒng)的時(shí)間序列模型。但是,時(shí)間序列模型只能實(shí)現(xiàn)離線預(yù)測(cè),為了適用于流數(shù)據(jù)的預(yù)測(cè),本文又提出了一種基于SKme
3、ans和SGD的RBFNN在線預(yù)測(cè)算法。該算法主要對(duì)RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn),首先對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行在線聚類,然后通過(guò)改進(jìn)的SGD算法來(lái)訓(xùn)練參數(shù),實(shí)驗(yàn)結(jié)果表明,該算法的預(yù)測(cè)精度和訓(xùn)練效率明顯高于最近鄰聚類在線訓(xùn)練算法,并對(duì)交通流量實(shí)現(xiàn)了有效的在線預(yù)測(cè)。
隨著訓(xùn)練樣本的不斷增大,雖然RBF改進(jìn)算法可以實(shí)現(xiàn)在線預(yù)測(cè),但是時(shí)間和空間復(fù)雜度急劇增加,不能滿足實(shí)際的應(yīng)用需求。因此,本文將采用Storm實(shí)時(shí)流處理平臺(tái),將基于SKmeans和SG
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 數(shù)據(jù)流實(shí)時(shí)預(yù)測(cè)算法的研究.pdf
- 基于有向圖構(gòu)造的數(shù)據(jù)流預(yù)測(cè)算法的研究.pdf
- 基于周易的預(yù)測(cè)算法研究實(shí)現(xiàn).pdf
- 數(shù)據(jù)挖掘中空缺值預(yù)測(cè)算法的研究與實(shí)現(xiàn).pdf
- 基于回歸預(yù)測(cè)算法的無(wú)線傳感器數(shù)據(jù)融合節(jié)能算法研究與實(shí)現(xiàn).pdf
- 數(shù)據(jù)流頻繁模式挖掘及數(shù)據(jù)預(yù)測(cè)算法研究.pdf
- 基于BP網(wǎng)絡(luò)的地震預(yù)測(cè)算法分析與實(shí)現(xiàn).pdf
- 農(nóng)業(yè)數(shù)據(jù)分類預(yù)測(cè)算法的研究.pdf
- 基于數(shù)據(jù)驅(qū)動(dòng)模擬電路故障預(yù)測(cè)算法實(shí)現(xiàn)與軟件開(kāi)發(fā).pdf
- 基于光流場(chǎng)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法的研究與實(shí)現(xiàn).pdf
- 電子系統(tǒng)數(shù)據(jù)驅(qū)動(dòng)診斷與預(yù)測(cè)算法的研究與實(shí)現(xiàn).pdf
- 基于分形理論的股票分析與預(yù)測(cè)算法的研究與實(shí)現(xiàn).pdf
- 基于聚類的數(shù)據(jù)流異常檢測(cè)算法的研究.pdf
- 基于支持向量機(jī)的數(shù)據(jù)挖掘預(yù)測(cè)算法的研究與應(yīng)用.pdf
- 基于COM的預(yù)測(cè)算法庫(kù)的構(gòu)件化實(shí)現(xiàn).pdf
- 基于數(shù)據(jù)流的關(guān)聯(lián)規(guī)則算法研究與實(shí)現(xiàn).pdf
- 基于數(shù)據(jù)流的聚類算法研究與實(shí)現(xiàn).pdf
- 面向簽到數(shù)據(jù)的位置預(yù)測(cè)算法研究.pdf
- 數(shù)據(jù)流概念漂移檢測(cè)算法研究.pdf
- 基于數(shù)據(jù)挖掘技術(shù)的亞細(xì)胞定位點(diǎn)預(yù)測(cè)算法研究.pdf
評(píng)論
0/150
提交評(píng)論