版權(quán)說明: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),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、短期交通流預(yù)測一直是一個(gè)比較活躍但結(jié)果卻不令人滿意的研究課題。近年來,眾多學(xué)者把交通系統(tǒng)看作是一個(gè)非線性的確定性動(dòng)力學(xué)系統(tǒng),用非線性確定系統(tǒng)規(guī)律研究交通流的行為越來越顯示出強(qiáng)大生命力。隨著非線性理論和技術(shù)的發(fā)展,混沌理論和神經(jīng)網(wǎng)絡(luò)等成為交通系統(tǒng)強(qiáng)有力的分析和預(yù)測工具。 首先,針對BP網(wǎng)絡(luò)訓(xùn)練中尚存在的許多問題,如網(wǎng)絡(luò)收斂慢,易陷入局部極小點(diǎn)等,本文對原算法和目前常用的改進(jìn)算法進(jìn)行了分析,找出了原算法存在問題的原因。并試圖在前人工
2、作基礎(chǔ)上,對原有算法做出些微改進(jìn),以期新算法在短時(shí)交通流預(yù)測中取得良好表現(xiàn)。 本文主要從激活函數(shù)和學(xué)習(xí)規(guī)則這兩個(gè)角度修改算法: 1.重新選取激活函數(shù),并對步長因子、動(dòng)量因子做出相應(yīng)修改。 2.為了解決有固定學(xué)習(xí)步長BP算法的效率問題,本文提出了一種基于共軛梯度方法的全局最優(yōu)化學(xué)習(xí)規(guī)則,并對所得新算法的收斂性做出了分析及簡要證明。 其次,本文將該改進(jìn)算法應(yīng)用于京珠高速公路的某路段短時(shí)交通流量預(yù)測。在這一應(yīng)用
3、中,我們將其預(yù)測結(jié)果與傳統(tǒng)的BP網(wǎng)絡(luò)預(yù)測結(jié)果做出比較,結(jié)果表明該算法的精確度和效率比傳統(tǒng)的BP網(wǎng)絡(luò)預(yù)測方法要優(yōu)越。 再次,本文對短時(shí)交通流量序列進(jìn)行了混沌性識別,證實(shí)了短時(shí)交通流存在混沌現(xiàn)象,并在本文所提出的BP改進(jìn)算法的基礎(chǔ)上,試用混沌理論對單變量的數(shù)據(jù)進(jìn)行相空間重構(gòu)后結(jié)合神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測,并與不采用混沌理論處理的神經(jīng)網(wǎng)絡(luò)預(yù)測進(jìn)行了對比,認(rèn)為:采用混沌重構(gòu)對于單變量神經(jīng)網(wǎng)絡(luò)的預(yù)測精度是有影響的,因?yàn)椴捎没煦缰貥?gòu)的神經(jīng)網(wǎng)絡(luò),其預(yù)
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(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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PSO神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測研究.pdf
- 基于混沌和模糊神經(jīng)網(wǎng)絡(luò)的城市短時(shí)交通流量預(yù)測.pdf
- 基于混沌和小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測方法研究.pdf
- 短時(shí)交通流的混沌性分析及其基于神經(jīng)網(wǎng)絡(luò)的預(yù)測模型研究.pdf
- 基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流量預(yù)測研究.pdf
- 基于粗神經(jīng)網(wǎng)絡(luò)的混沌交通流預(yù)測研究.pdf
- 基于小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流量預(yù)測.pdf
- 基于改進(jìn)小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測方法的研究與應(yīng)用.pdf
- 基于深度神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流量預(yù)測算法研究.pdf
- 基于混沌和改進(jìn)LSSVM的短時(shí)交通流預(yù)測.pdf
- 面向短時(shí)交通流量預(yù)測的神經(jīng)網(wǎng)絡(luò)算法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)模型的短時(shí)交通流預(yù)測及應(yīng)用研究.pdf
- 基于卡爾曼濾波和小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測研究.pdf
- 基于Elman神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測及應(yīng)用研究.pdf
- 基于混沌和SVR的短時(shí)交通流預(yù)測方法研究.pdf
- 基于優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測算法研究.pdf
- 基于遺傳算法的小波神經(jīng)網(wǎng)絡(luò)短時(shí)交通流預(yù)測.pdf
- 基于混沌理論的短時(shí)交通流預(yù)測方法研究.pdf
評論
0/150
提交評論