基于小波和傅立葉變換的道路交通量預(yù)測研究.pdf

1、道路交通量預(yù)測一直是道路交通管理的一項重要內(nèi)容，本文在分析國內(nèi)外研究現(xiàn)狀的基礎(chǔ)上，圍繞道路交通量預(yù)測方法進行了深入和系統(tǒng)的理論和方法研究，并開展了實際應(yīng)用。其中主要內(nèi)容如下：
　　一、針對當(dāng)前道路交通量時間序列中含有大量的異常數(shù)據(jù)，本文在闡述小波變換基本原理的基礎(chǔ)上，提出了基于小波變換模極大值的異常數(shù)據(jù)識別和修正方法，該方法綜合運用了小波變換和統(tǒng)計學(xué)相關(guān)理論，在實際異常數(shù)據(jù)的識別和糾正中取得了良好的效果。
　　二、由于本文在

2、預(yù)測中大量使用小波變換，針對小波分解Mallat算法進行時間序列分解時所帶來的邊界誤差問題，本文提出了基于最大能量周期的時間序列延拓方法，并將此方法應(yīng)用到實際數(shù)據(jù)的延拓中，通過將延拓后的預(yù)測結(jié)果同采用對稱延拓、補零延拓函數(shù)插值延拓所得數(shù)據(jù)的預(yù)測結(jié)果進行了比較表明，基于最大能量周期的時間序列延拓方法能很好的適合道路交通時間序列，對降低預(yù)測誤差起到一定的作用。
　　三、針對道路交通量時間序列中含有大量的噪聲，本文在對小波去噪理論進行探

3、討的基礎(chǔ)上，提出了交通量序列去噪時閾值計算中σ確定的一種改進方法，并將之與其它的σ確定方式對預(yù)測所帶來的影響進行了定量的對比分析，同時分析了軟閾值、硬閾值、幾乎硬閾值在交通量時間序列去噪中的優(yōu)劣。
　　四、提出了道路交通量預(yù)測的小波分解組合預(yù)測方法。在對道路交通時間序列進行小波分解去噪后，利用傅立葉變換的頻譜分析功能，本文對交通量時間序列周期進行了詳細的分析，指出小時交通量時間序列中包含的周期有24小時，12小時，8小時和6小時，

4、通過小波包變換把交通量時間序列中的各種周期特征分離出來，并且在對道路交通量時間序列中混沌特性進行分析的基礎(chǔ)上，提出采用小波包分解來提取混沌特征，并將之應(yīng)用于原始時間序列和ARIMA模型擬合殘差中的混沌特性提取，然后對于小波包的各個分解項（各周期項、混沌項、隨機項），在驗證全部分別建模并不能提高預(yù)測精度的基礎(chǔ)上，提出了基于倍周期的小波包分解項合并策略，并將之應(yīng)用于實際的交通量預(yù)測中問題中，取得了良好的效果，并利用Dmeyer小波基來作小波

5、分解以達到優(yōu)化模型預(yù)測結(jié)果的目的。
　　五、對小波分解預(yù)測方法進行了優(yōu)化。在對混沌預(yù)測的相關(guān)理論與方法進行探討的基礎(chǔ)上，提出一種組合方法來確定混沌預(yù)測中相空間重構(gòu)的嵌入維，并在實際的運算中進行了檢驗。由于基于最大Lyapunov指數(shù)預(yù)測法適合時間序列劇烈變動的情況，而加權(quán)一階局域預(yù)測法適合時間序列較平緩的情況，本文針對這一情況，結(jié)合道路交通時間序列的平穩(wěn)中帶有劇烈波動的特征，提出將兩種方法結(jié)合起來，形成組合模型進行預(yù)測，將其應(yīng)用于

6、小波分解預(yù)測模型中混沌分解項的預(yù)測中，能很好的優(yōu)化小波預(yù)測模型。
　　通過對通遼市國道G111的道路交通量進行預(yù)測，主要是小時交通量預(yù)測和日交通量預(yù)測，驗證了本文提出的方法。對于小時交通量預(yù)測，把兩種小波包分解組合方式進行了對比，并對殘差中的混沌特性提取時的小波分層數(shù)進行了探討，在日交通量預(yù)測，組合預(yù)測方法較單一方法具有顯著的優(yōu)勢，并分析了噪聲對預(yù)測的影響，印證了去噪的必要性。通過分析異常數(shù)據(jù)對道路交通量預(yù)測的影響，說明對異常數(shù)據(jù)