資源描述：
《基于數(shù)據(jù)挖掘技術(shù)的短時(shí)交通流預(yù)測(cè)的研究與應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、代號(hào)10701學(xué)號(hào)1022421419分類(lèi)號(hào)TP311.13密級(jí)公開(kāi)題（中、英文）目基于數(shù)據(jù)挖掘技術(shù)的短時(shí)交通流預(yù)測(cè)的研究與應(yīng)用StudyandApplicationofShort-termTrafficFlowForecastBasedonDataMiningTechnology作者姓名葉慶添指導(dǎo)教師姓名、職稱(chēng)王保保教授學(xué)科門(mén)類(lèi)工學(xué)學(xué)科、專(zhuān)業(yè)計(jì)算機(jī)應(yīng)用技術(shù)提交論文日期二○一三年三月創(chuàng)新性聲明秉承學(xué)校嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)和優(yōu)良的科學(xué)道德，本人聲明所呈交的論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果．盡我所知，除了文中特別加以標(biāo)注和致謝中所羅列
2、的內(nèi)容以外，論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果；也不包含為獲得西安電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料．與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中做了明確的說(shuō)明并表示了謝意．申請(qǐng)學(xué)位論文與資料若有不實(shí)之處，本人承擔(dān)一切的法律責(zé)任．本人簽名：日期關(guān)于論文使用授權(quán)的說(shuō)明本人完全了解西安電子科技大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定，即：研究生在校攻讀學(xué)位期間論文工作的知識(shí)產(chǎn)權(quán)單位屬西安電子科技大學(xué)．學(xué)校有權(quán)保留送交論文的復(fù)印件，允許查閱和借閱論文；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，可以允許采用影印、縮印或其它復(fù)制手段
3、保存論文．同時(shí)本人保證，畢業(yè)后結(jié)合學(xué)位論文研究課題再攥寫(xiě)的文章一律署名單位為西安電子科技大學(xué)．(保密的論文在解密后遵守此規(guī)定)本學(xué)位論文屬于保密，在年解密后適用本授權(quán)書(shū)．本人簽名：日期導(dǎo)師簽名：日期摘要隨著經(jīng)濟(jì)的持續(xù)高速發(fā)展，城市規(guī)模不斷擴(kuò)大，城市交通問(wèn)題變得十分尖銳。智能交通系統(tǒng)是目前公認(rèn)的解決城市交通擁堵和提高道路通行能力的有效措施，而其對(duì)交通流進(jìn)行控制和疏導(dǎo)的前提和關(guān)鍵是準(zhǔn)確實(shí)時(shí)的交通流預(yù)測(cè)。本文根據(jù)交通流數(shù)據(jù)的特點(diǎn)，提出了使用數(shù)據(jù)挖掘技術(shù)中的時(shí)間序列模型及支持向量機(jī)對(duì)短時(shí)交通流進(jìn)行預(yù)測(cè)，其中時(shí)間序列模型主要用到了移動(dòng)平均、指數(shù)平滑和A
4、RMA模型，并對(duì)其中的指數(shù)平滑算法進(jìn)行了改進(jìn)，克服了原算法中平滑參數(shù)不能很好的反映交通流數(shù)據(jù)變化特點(diǎn)的問(wèn)題。本文的主要研究工作如下：第一，為了進(jìn)一步提高預(yù)測(cè)的準(zhǔn)確率，本文根據(jù)數(shù)據(jù)挖掘中的數(shù)據(jù)預(yù)處理技術(shù)提出了切合交通流數(shù)據(jù)特點(diǎn)的數(shù)據(jù)預(yù)處理方法：使用間隔為五分鐘的數(shù)據(jù)；保留占有率為零，而流量和速度不為零的誤差數(shù)據(jù)；結(jié)合一天的交通流量分布圖進(jìn)行時(shí)段劃分，針對(duì)每個(gè)時(shí)段的變化趨勢(shì)，計(jì)算出了各自對(duì)應(yīng)的缺省值。通過(guò)數(shù)據(jù)預(yù)處理，為下面的短時(shí)交通流預(yù)測(cè)提供了準(zhǔn)確可靠的數(shù)據(jù)支持。第二，根據(jù)交通流數(shù)據(jù)擁有較強(qiáng)的時(shí)間關(guān)聯(lián)性這一特點(diǎn)，本文提出了使用數(shù)據(jù)挖掘中的時(shí)間序列
5、模型以及支持向量機(jī)對(duì)其進(jìn)行預(yù)測(cè)，通過(guò)實(shí)驗(yàn)證明，時(shí)間序列模型中的二次指數(shù)平滑法執(zhí)行效率和預(yù)測(cè)準(zhǔn)確率都較高。第三，針對(duì)二次指數(shù)平滑法中，平滑參數(shù)α不能很好的體現(xiàn)交通流數(shù)據(jù)變化特點(diǎn)的問(wèn)題，本文通過(guò)公式推導(dǎo)，提出使用“動(dòng)態(tài)平滑參數(shù)”替代原來(lái)的“靜態(tài)平滑參數(shù)”，通過(guò)實(shí)驗(yàn)對(duì)比，發(fā)現(xiàn)能有效提高交通流預(yù)測(cè)效果。關(guān)鍵詞:交通流預(yù)測(cè)數(shù)據(jù)挖掘數(shù)據(jù)預(yù)處理時(shí)間序列支持向量機(jī)AbstractWiththerapiddevelopmentoftheeconomy,citieshavebeenexpandingbiggerthaneverandtraffichasbecom
6、easeriousproblemintoday’ssociety.Intelligenttransportationsystemisaninternationallyrecognizedsettlementofthebestwaytosolvecitytrafficcongestion,andimproveoperationefficiency.Theaccurateandreal-timetrafficflowpredictionisthepremiseandkeyoftheintelligenttransportationsystemto
7、trafficflowcontrollingandinducing.Accordingtothecharacteristicsofthetrafficflowdata,thepaperusethetimeseriesmodelsandSupportVectorMachine(SVM)indataminingtechnologytoforecastshort-termtrafficflow.Thetimeseriesmodelsmainlyincludethemovingaverage,exponentialsmoothingandARMAmo
8、del.Thenthispaperputsforwardanimprovedexponentialsmoothingalgorithmwhichisdifferen
