基于GJR-GARCH模型和一种集成学习方法的短时交通流预测研究

论文摘要

智能城市的建设是当今社会城市建设发展的主流,智能交通系统建设与完善是构建智能城市的重要板块。交通犹如城市的血液,交通控制与管理的智能化、系统化,能够有效缓解城市道路交通拥堵难题,并切实提高城市道路的交通利用率。交通流预测是智能交通系统中信息处理、机动控制、智能管理的关键要素之一,交通流量精准实时预测,不仅能够帮助有效掌控道路的交通流状况,提升道路适行能力,解决交通拥堵道路困扰,而且能够减少环境污染,提高交通服务水平,增强市民的出行体验感。因此,短时交通流的实时预测研究对智能交通系统建设和完善以及智慧城市的构建具有重要意义。本文以美国加利福尼亚州戴维斯附近的I80走廊的传感器数据为研究对象,对采集的交通流量数据进行数据清洗、特性分析,考察分析交通数据的高斯混合分布特性以及交通流可看作混沌时间序列的必然性。通过考察交通流数据的高斯混合分布特性,使用GJRGARCH模型进行预测,得到基于时间序列模型的初步预测,对预测数据添加服从高斯混合分布特征的噪声对预测进行修正优化。另一方面,获取相空间重构的基本参数:延迟时间和嵌入维数,采用相空间重构数据用集成支持向量回归模型进行进一步预测。最后,通过一种简易的融合方法融合时间序列模型预测结果和基于相空间重构的集成支持向量回归模型的预测结果,结合时间序列对高峰时期的优势预测以及机器学习模型下的动态预测,得到更优预测。我们将融合模型的预测结果与时间序列模型以及SVR模型预测结果进行对比分析。经过验证,相比于未经过优化和未经过集成的模型,该融合模型具有更优的预测性能,能够对短时交通流进行更有效预测。

论文目录

文章来源

类型: 硕士论文

作者: 李敏

导师: 黄迟

关键词: 短时交通流预测,高斯混合分布,模型,相空间重构,集成,模型融合

来源: 太原理工大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 数学,宏观经济管理与可持续发展

单位: 太原理工大学

分类号: F224

总页数: 58

文件大小: 2619K

下载量: 136

相关论文文献

• [1].基于GA-BP神经网络的交叉口短时交通流预测研究[J]. 科技风 2020(11)
• [2].智能交通系统中短时交通流预测模型的研究[J]. 现代计算机 2020(16)
• [3].暴雨天气下高速公路短时交通流预测[J]. 计算机工程 2020(06)
• [4].基于状态频率记忆神经网络的短时交通流预测[J]. 武汉理工大学学报(交通科学与工程版) 2020(04)
• [5].基于检测器优化选择的短时交通流预测[J]. 计算机工程与应用 2017(08)
• [6].基于统计的我国短时交通流预测模型分析[J]. 现代计算机(专业版) 2017(17)
• [7].基于模糊神经网络的短时交通流预测方法研究[J]. 计算机测量与控制 2017(08)
• [8].基于多条件随机场的短时交通流预测模型[J]. 计算机工程与设计 2017(10)
• [9].基于流形距离的高速公路短时交通流预测模型[J]. 科学技术与工程 2020(18)
• [10].交通事故下高速公路短时交通流预测[J]. 东莞理工学院学报 2020(05)
• [11].基于深度学习的短时交通流预测模型[J]. 交通科学与工程 2020(03)
• [12].短时交通流预测模型综述[J]. 都市快轨交通 2019(04)
• [13].改进支持向量回归机的短时交通流预测[J]. 交通运输系统工程与信息 2019(04)
• [14].一种平稳化短时交通流预测方法[J]. 测控技术 2018(02)
• [15].基于深度学习的短时交通流预测[J]. 计算机应用研究 2017(01)
• [16].布谷鸟算法优化小波神经网络的短时交通流预测[J]. 计算机应用与软件 2017(03)
• [17].基于混沌时间序列局域法的短时交通流预测[J]. 计算机技术与发展 2015(01)
• [18].基于模式识别的短时交通流预测[J]. 公路 2011(09)
• [19].数据融合技术在短时交通流预测中的应用[J]. 交通科技 2010(S1)
• [20].短时交通流预测系统的效率优化研究[J]. 交通信息与安全 2010(04)
• [21].基于加权组合模型的短时交通流预测研究[J]. 测控技术 2018(05)
• [22].基于轨迹数据的短时交通流预测[J]. 数码世界 2020(05)
• [23].基于非参数回归的短时交通流预测研究综述[J]. 交通运输工程与信息学报 2008(04)
• [24].基于K近邻算法和支持向量回归组合的短时交通流预测[J]. 公路交通科技 2017(05)
• [25].最小最大概率回归机在短时交通流预测中的应用[J]. 公路交通科技 2014(02)
• [26].综合运输体系的短时交通流预测方法[J]. 交通建设与管理 2014(06)
• [27].短时交通流预测研究[J]. 华东公路 2011(03)
• [28].非参数回归方法在短时交通流预测中的应用[J]. 清华大学学报(自然科学版) 2009(09)
• [29].短时交通流预测中的特征选择算法研究[J]. 交通运输系统工程与信息 2019(02)
• [30].基于多源交通数据融合的短时交通流预测[J]. 重庆交通大学学报(自然科学版) 2019(05)

标签：短时交通流预测论文;  高斯混合分布论文;  模型论文;  相空间重构论文;  集成论文;  模型融合论文;