基于開方變換和偏最小二乘的交通流預測優(yōu)化.pdf

1、實際采集的交通流時間序列樣本通常是被各種類型的噪聲污染的，將噪聲從原始交通流數(shù)據(jù)中分離出來，提高交通流預測的準確性是本文研究的重點。
　　本文的主要工作及創(chuàng)新點如下:
　　(1)利用開方變換的方法將非平穩(wěn)時間序列轉(zhuǎn)換為平穩(wěn)序列，對于一個含高斯白噪聲的非平穩(wěn)時間序列，開方變換后會產(chǎn)生一個不應該被忽略的系統(tǒng)誤差，而這項系統(tǒng)誤差已經(jīng)忽視了70多年。本文采用泰勒級數(shù)展開，利用泰勒展開的前四項推導出高斯白噪聲經(jīng)過開平方變換后的均值和方

2、差的解析公式，在交通流時間序列預測中，包含這項系統(tǒng)誤差可使預測的均方根誤差降低0.1％-1％。
　　(2)基于偏最小二乘回歸的方法建立預測模型，用PLS的方法分析各模型之間的相關(guān)系數(shù)，建立回歸方程。通過交通流預測實例驗證了該模型的有效性，可減小預測結(jié)果的平均誤差與均方根誤差，表現(xiàn)出良好的預測效果。
　　(3)輸入到預測模型的歷史數(shù)據(jù)，以及預測模型本身，都是產(chǎn)生預測誤差的直接因素。根據(jù)Shannon采樣定理，提高交通流序列的采