資源描述：
《基于支持向量回歸的短時(shí)交通流預(yù)測(cè)方法研究與應(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、分類號(hào):TP3910710-2013124080碩士學(xué)位論文基于支持向量回歸的短時(shí)交通流預(yù)測(cè)方法研究與應(yīng)用武瓊導(dǎo)師姓名職稱王夏黎副教授申請(qǐng)學(xué)位級(jí)別工學(xué)碩士學(xué)科專業(yè)名稱軟件工程論文提交日期2016年4月28日論文答辯日期2016年6月15日學(xué)位授予單位長(zhǎng)安大學(xué)ResearchandApplicationofShort-termTrafficFlowForcastingBasedonSupportVectorMachineRegressionAThesisSubmittedfortheDegreeofMasterCandid
2、ate：WuQiongSupervisor：AssociateProf.WangXialiChang’anUniversity,Xi’an,China摘要短時(shí)交通流預(yù)測(cè)技術(shù)屬于智能交通控制和車輛誘導(dǎo)的重要研究領(lǐng)域，在實(shí)際工程運(yùn)用中，它作為智能交通領(lǐng)域非常重要的基礎(chǔ)理論，通過(guò)對(duì)交通流分析和預(yù)測(cè)，可以幫助城市進(jìn)行智能交通的誘導(dǎo)工作，使得用戶選擇最優(yōu)的路徑。支持向量機(jī)在面對(duì)過(guò)學(xué)習(xí)與欠學(xué)習(xí)問(wèn)題、局部極小點(diǎn)問(wèn)題、小樣本等機(jī)器學(xué)習(xí)的研究所遇到的傳統(tǒng)的困難能夠較好的解決，因此可以用在短時(shí)交通流回歸預(yù)測(cè)這一課題的研究中。本文以基于支持向
3、量回歸的短時(shí)交通流預(yù)測(cè)方法研究與應(yīng)用為題，在交通流數(shù)據(jù)分析的基礎(chǔ)上，對(duì)短時(shí)交通流預(yù)測(cè)的方法和理論進(jìn)行了深入探討和研究，并且根據(jù)實(shí)際交通流數(shù)據(jù)搭建支持向量回歸預(yù)測(cè)模型，具有實(shí)際的應(yīng)用可行性。主要工作如下：(1)通過(guò)對(duì)交通流數(shù)據(jù)的分析和對(duì)錯(cuò)誤及缺失數(shù)據(jù)的識(shí)別和處理，減少噪聲對(duì)預(yù)測(cè)過(guò)程的影響，并為下一步的交通流預(yù)測(cè)模型的建立奠定基礎(chǔ)；(2)根據(jù)支持向量機(jī)的基本原理，研究并采用基于支持向量回歸的短時(shí)交通流預(yù)測(cè)模型，并與BP神經(jīng)網(wǎng)絡(luò)的仿真結(jié)果進(jìn)行對(duì)比，實(shí)驗(yàn)證明，支持向量機(jī)回歸模型是一種可行的、有效的交通流預(yù)測(cè)模型，在短時(shí)交通流預(yù)測(cè)
4、中，其性能優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型。(3)對(duì)支持向量機(jī)參數(shù)選擇優(yōu)化模型進(jìn)行了研究。支持向量的懲罰系數(shù)、核函數(shù)參數(shù)的優(yōu)化選擇對(duì)回歸模型的學(xué)習(xí)精度和推廣能力的好壞起著重要的作用。本文使用傳統(tǒng)粒子群優(yōu)化算法，對(duì)支持向量回歸參數(shù)尋優(yōu)；并結(jié)合遺傳算法，采用一種改進(jìn)的粒子群優(yōu)化算法對(duì)支持向量機(jī)參數(shù)模型進(jìn)行優(yōu)化，有效地改善了短時(shí)交通流的預(yù)測(cè)精度。（4）利用短時(shí)交通流信號(hào)SVR預(yù)測(cè)的研究結(jié)論，在ThinkPHP框架下設(shè)計(jì)并完成了針對(duì)西安市的短時(shí)交通流動(dòng)態(tài)預(yù)測(cè)系統(tǒng)的開發(fā)。關(guān)鍵詞：交通流預(yù)測(cè)；支持向量機(jī)；參數(shù)選擇；遺傳算法；粒子群優(yōu)化算法iAb
5、stractShort-termtrafficflowforecastingtechniquesisanimportantpartoftheresearchofintelligenttrafficcontrolandvehicle-inducedfield.Asaveryimportantbasictheoryofintelligenttrafficsystem,itwillbeuseofurbanintelligenttrafficinductionandhelpusersselectpathbasedontraffi
6、cflowanalysisandforecastinginactualengineering.Supportvectormachinecansolvethoseproblemssuchasoverlearning,lesslearning,localminimum,smallsamples,whichcannotbesolvedverywellintraditionalmachinelearningresearch.Sowecanusethistheoryinsubjectofshort-termtrafficflowr
7、egressionforecasting.Thesubjectnamedresearchandapplicationofshort-termtrafficflowforecastingbasedonsupportvectormachineregressiondiscussandstudymethodsandtheoryofshort-termtrafficflowforecastingonthebasisoftheanalysisoftrafficflowdata,andthenwebuildaforecastingmo
8、delbasedonregression.Themainworkisasfollows:1、Analysisthedataoftrafficflow,andprocesserrorandmissingdata,reducenoiseandtolaythefoundationfortheestablishmentoft
