探析基于sarima和svm模型的短時(shí)交通流預(yù)測(cè)

《探析基于sarima和svm模型的短時(shí)交通流預(yù)測(cè)》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。

1、隸劫大·粵碩士學(xué)位論文基于SARIMA和SVM模型的短時(shí)交通流預(yù)測(cè)SHORTTE蹦TR心。FICFLOWFORECASTBASEDONS心MAANDSVMMODELSAThesisSubmittedtoSoutheaStUniVers毋FortheAcademicDegreeofM2LsterofEngineeringBYLUHaitiIlg'一SupervisedbyPro￡m】．ANGWreiSchoolofTranspo似ionSoutheastUniVers時(shí)Janu叫2010【東南大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是我個(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

2、我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得東南大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示了謝意。研究生簽名：!莖蘭墨莖日期：竺!三：!!：!蘭東南大學(xué)學(xué)位論文使用授權(quán)聲明東南大學(xué)、中國科學(xué)技術(shù)信息研究所、國家圖書館有權(quán)保留本人所送交學(xué)位論文的復(fù)印件和電子文檔，可以采用影印、縮印或其他復(fù)制手段保存論文。本人電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致。除在保密期內(nèi)的保密論文外，允許論文被查閱和借閱，可以公布(包括刊登)論文的全部或部分內(nèi)容。論文的公布(包括刊登)授

3、權(quán)東南大學(xué)研究生院辦理。日期：竺!塵立中文摘要摘要智能運(yùn)輸系統(tǒng)以“緩解擁擠、保障安全、提高效率、減少污染、節(jié)約能源’’為目標(biāo)，是未來交通發(fā)展的主導(dǎo)方向，而短時(shí)交通流預(yù)測(cè)則是實(shí)現(xiàn)交通系統(tǒng)智能化運(yùn)行的關(guān)鍵技術(shù)之一。以往的短時(shí)交通流預(yù)測(cè)應(yīng)用往往受制于大規(guī)模的交通流數(shù)據(jù)采集和所得數(shù)據(jù)的快速建模計(jì)算，近些年來隨著科技的迅猛發(fā)展，交通信息采集及傳輸設(shè)備的數(shù)量越來越大，且獲取途徑越來越多，都為獲取充足的實(shí)時(shí)數(shù)據(jù)奠定了物質(zhì)基礎(chǔ)，為從事基于數(shù)據(jù)分析的交通狀態(tài)信息預(yù)測(cè)研究提供了數(shù)據(jù)保障；此外，計(jì)算機(jī)的運(yùn)算速度越來越快，處理能力也越來越強(qiáng)，為各種復(fù)雜預(yù)測(cè)模型的快速計(jì)算解除了后顧之憂，這些都使得短時(shí)交通流狀態(tài)數(shù)據(jù)

4、的分析和預(yù)測(cè)逐步成為現(xiàn)實(shí)。全文以背景介紹、國內(nèi)外研究現(xiàn)狀綜述、短時(shí)交通流特性分析、數(shù)據(jù)預(yù)處理、建模理論及方法、歸納總結(jié)為主線，比較系統(tǒng)地研究了路段短時(shí)交通流預(yù)測(cè)問題。首先對(duì)國內(nèi)外研究現(xiàn)狀進(jìn)行了綜述，將預(yù)測(cè)方法分成四大類，并對(duì)muMA和SVM模型用于預(yù)測(cè)的不足做了評(píng)述。然后在對(duì)短時(shí)交通流數(shù)據(jù)進(jìn)行分析的基礎(chǔ)上，總結(jié)歸納了短時(shí)交通流的五大顯著特征；并根據(jù)數(shù)據(jù)的實(shí)際情況選用橫向處理的方式，分別優(yōu)選兩種統(tǒng)計(jì)判斷準(zhǔn)則進(jìn)行可疑值識(shí)別、異常值確認(rèn)，以解決原始測(cè)量數(shù)據(jù)質(zhì)量問題。緊接著根據(jù)短時(shí)交通流具有的部分特性如周期性、隨機(jī)性，選用單一線性S舢支m隊(duì)模型進(jìn)行建模預(yù)測(cè)，全面闡述建模過程中的平穩(wěn)性檢驗(yàn)、白噪聲檢

5、驗(yàn)、差分平穩(wěn)化、模型識(shí)別、參數(shù)估計(jì)、診斷檢驗(yàn)、模型優(yōu)化等步驟，并使用SAS軟件編程實(shí)現(xiàn)了預(yù)測(cè)。后來再根據(jù)短時(shí)交通流具有的部分特性如非線性、復(fù)雜性，特別是非線性比較明顯的特征，選用單一非線性￡．SvR模型進(jìn)行建模預(yù)測(cè)。內(nèi)容包括介紹了支持向量機(jī)的理論基礎(chǔ)及來源，比較了其輸入特征提取的不同方法后提出按照SRAJMA的AR項(xiàng)選擇SVR輸入的新方法，運(yùn)用粒子群優(yōu)化算法求得模型的最優(yōu)配對(duì)參數(shù)，并使用LIBSⅥ訂軟件編程實(shí)現(xiàn)了預(yù)測(cè)。最后又根據(jù)短時(shí)交通流自身具備的全部特性，將SARIMA和SVR模型進(jìn)行混合運(yùn)算。一方面，借鑒預(yù)測(cè)控制理論中的誤差預(yù)測(cè)反饋校正的思想，運(yùn)用SARIMA建立預(yù)測(cè)主模型，運(yùn)用SVR

6、建立殘差預(yù)測(cè)從模型，殘差的預(yù)測(cè)值對(duì)主模型的預(yù)測(cè)結(jié)果進(jìn)行校正；另一方面，受SARIMA預(yù)測(cè)過程和結(jié)果的啟發(fā)，提出兩種啟發(fā)式預(yù)測(cè)模型。SVR輸入特征的選取不僅參考SARMA模型的AR項(xiàng)，而且對(duì)SAR蹦A的預(yù)測(cè)結(jié)果也作為輸入特征，目標(biāo)是借鑒sAR蹦A“筒省、高效’’的建模指導(dǎo)思想，也用SVR建立精簡(jiǎn)的混合模型。實(shí)際5分鐘短時(shí)交通流預(yù)測(cè)結(jié)果驗(yàn)證了提出的混合模型的可行性、有效性及相對(duì)于單一模型的優(yōu)越性。關(guān)鍵詞：短時(shí)交通流預(yù)測(cè)季節(jié)性AR玎訌A支持向量機(jī)粒子群優(yōu)化算法混合預(yù)測(cè)model．Keywor凼Sh蝴仃a伍cflowf0懈tS黝alARJMASVMPSOHybridf10rec枷ngⅡ目錄摘要??

7、?????????????????．．．．．?．．．?．．．??????．．??????．．??????IAbstI翟ct??????????????????????。。????????????。。?????II目錄???????????????????????????????????????????IlI第一章緒論?????????????????????????????????????。11．1研究背景???????