文档介绍：国内图书分类号:涣Γ基于亩唐诮煌髟げ庋芯坑胗τ西南交通大学研究生学位论文四南父逋大芋芳年级姓:国际图书分类号:
西南交通大学学位论文版权使用授权书:.篗:..
。.戤槐C苡笆褂帽臼谌ㄊ椤多、龟沙本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于C芸冢年解密后适用本授权书;朐谝陨戏娇蚰诖颉敖指导老师签名:作期文学日期:#....名者日论位少:Ⅳ¨:.
,镍、鹤沙西南交通大学硕士学位论文主要工作毕声明本人郑重声明:所呈交的学位论文,是在导师指导下独立进行研究工作所得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体,均已在文中作了明确说明。本人完全了解违反上述声明所引起的一切法律责任将由本人承担。本人在学位论文中所做的主要工作或贡献如下:首先第一步理论分析得到支持向量机的特点,然后再引入最乘方法,对支持向量机的解法进行改进。在此基础上,使用经典的“剪枝”法,并进行计算机仿真,证明其方法的科学性。最后针对此方法不能进行更新的问题,提出一种类似“滑动窗口母念,利用矩阵理论,增加或者删除系数矩阵,达到更新的功能。改进的在线”剪枝”算法可以在保证一定的时间开销的情况下,达到较好的预测精度。本文最后通过一个实际的例子,以第三章的改进算法为核心,建立一个完整的短期交通流预测模型,并通过计算机仿真实验和误差分析,验证了模型的实用性和有效性。作期沦名/者文日位学:
摘要西南交通大学硕士学位论文短时交通流预测是实现智能交通控制与管理、交通流状态辨识和实时交通流诱导的前提及关键,也是智能化交通管理的客观需要。到目前为止,它的研究结果都不尽如人意。现有的以精确数学模型为基础的传统预测方法存在计算复杂、运算时间长、需要大量历史数据、预测精度不高等缺点。因此通过研究新型人工智能方法改进短期交通流预测具有一定的现实意义。本文在对现有短期交通流预测模型对比分析及交通流特性研究分析基础上,采用最小二乘支持向量机方法进行短期交通流预测模型,取得较好的效果。支持向量机是一种新的机器学习算法,建立在统计学习理论的基础上,采用结构风险最小化原则,具有预测能力强、全局最优化以及收敛速度快等特点,相比较以经验风险化为基础的神经网络学习算法有更好的理论依据和更好的泛化性能。对于支持向量机模型而言,其算法相对简单、运算时间短、预测精度较高,比较适用于交通流预测研究,特别是在引入最小二乘理论后,计算简化为求解一个线性方程组,同时精度也能得到保证。在最乘支持向量机理论的基础上、利用类似“滑动窗口母拍睿岢隽艘恢新的在线算法,更新计算矩阵,并且通过“剪枝コ阅P陀跋旖闲〉闹С窒蛄浚通过‘仿真实验验证了其算法有效性,在一定条件下,适用于短期交通流的预测。本文的主要工作如下:紫鹊谝徊嚼砺鄯治龅玫街С窒蛄炕奶氐悖缓笤僖胱钚《朔椒ǎ灾С窒量机的解法进行改进。在此基础上,使用经典的“剪枝ǎ⒔屑扑慊抡妫っ其方法的科学性。最后针对此方法不能进行更新的问题,提出一种类似“滑动窗口’’的概念,利用矩阵理论,增加或者删除系数矩阵,实现在线更新的功能。改进的在线”剪枝”算法可以在保证一定的时间开销的情况下,达到较好的预测精度。詈笸ü桓鍪导实睦樱缘谌碌母慕惴ㄎ:诵模⒁桓鐾暾亩唐诮煌流预测模型,并通过计算机仿真实验和误差分析,验证了模型的实用性和有效性。关键词:短时交通流预测,支持向量机和谙摺奔糁Α彼惴一骋
,皃”“’....甌,..“’’..:瓸:.‘,
目录西南交通大学硕士学位论文摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..论文研究背景⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..国内外的研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.研究内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..本文的组织‘⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第二章短期交通流分析和P汀短期交通流分析⋯⋯⋯⋯交通流预测模型要求⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..短期交通流预测模型概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..支持向量机理论基础和原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.』.峁狗缦兆钚』.С窒蛄