1 / 80
文档名称:

基于灰色系统的交通流预测算法研究和应用.pdf

格式:pdf   页数:80
下载后只包含 1 个 PDF 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

基于灰色系统的交通流预测算法研究和应用.pdf

上传人:cherry 2014/4/1 文件大小:0 KB

下载得到文件列表

基于灰色系统的交通流预测算法研究和应用.pdf

文档介绍

文档介绍:〈笄编号——硕士学位论文基于灰色系统的交通流预测算法研究和应用亟±:.学科ㄒ馏ぷ┳猜ⅲ论文提交日期生§且论文答辩日期生鱼县§
学位论文作者签名:右耋卅年夕妇夕日独创性声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。除文中已注明引用的内容以外,本论文不包含任何其他个人或集体已经发表或撰写过的作品成果,也不包含为获得江苏大学或其他教育机构的学位或证书而使用过的材料。对本文的研究做出重要贡献的个人和集体,均己在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。
⋯币签痧涉洲引乒沙刚月夕日学位论文作者签名:座耋学位论文版权使用授权书江苏大学、中国科学技术信息研究所、国家图书馆、中国学术期刊馀贪电子杂志社有权保留本人所送交学位论文的复印件和电子文档,可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致,允许论文被查阅和借阅,同时授权中国科学技术信息研究所将本论文编入《中国学位论文全文数据库》并向社会提供查询,授权中国学术期刊馀贪电子杂志社将本论文编入《中国优秀博硕士学位论文全文数据库》并向社会提供查询。论文的公布ǹ授权江苏大学研究生处办理。本学位论文属于不保密口。
摘要江苏大学硕士学位论文近年来随着交通技术的进步,交通设施不断得到改善,智能交通系统,挠τ靡苍嚼丛焦惴骸V悄芙煌ㄏ低持械慕煌ㄓ盏甲系统是出行和运输管理系统的主要内容,准确的短时交通流预测对于合理诱导和控制交通、减少交通拥挤等具有重要作用。目前,交通流预测模型存在着运算复杂、运算时间长、需要大量历史数据、精度不高等缺点。本文研究的目的在于建立一个能够克服上述缺点的交通流预测模型。灰色预测模型,最大的特点就是算法简单、运算时间短、可利用较少的数据建模,这给建模和运算带来了方便。但是,灰色预测模型所存在的背景值误差和对于随机波动性系统来说预测效果不是很理想,而且预测准确率会随着时间的外推而逐渐降低。因此,本文在对现有灰色预测模型进行研究的基础上,提出不同交通量原始数据情况下的灰色交通流预测模型,并通过实验验证了模型的有效性。本论文的主要研究成果如下:⒄攵訥P捅尘爸荡嬖诘娜毕荩诜治霰尘爸滴蟛畈虻幕础上,提出了一个新的背景值计算方法:即用非齐次指数函数模拟一次累加生成序列,根据原序列与一次累加生成序列的关系重构背景值计算公式,得到实际曲线在区间上的面积作为背景值。⒄攵运婊竦葱蛄胁荒苈鉍P徒L跫那榭觯岢鱿榷栽始序列进行一次累加生成一个单调递增序列,再利用变权弱化缓冲算子对生成的序列做弱化缓冲变换,用最终得到的序列进行,模型建模预测。⒄攵远淌苯煌魇莩蔛形变化时,,不能获得很好的预测效果,本文提出在交通流数据呈现伪浠保没疑玍げ饽P徒心D庠测,通过理论分析了该模型的可行性,利用交通流数据验证表明:与,预测模型相比,预测模型在交通流呈现捅浠本哂懈玫脑げ庑Ч⒃诨疑ɡ砺垩芯康幕∩希岷仙钲谑兄悄芙煌ㄏ低车姆⒄辜暗缆方煌管理现状需求,应用架构中的三大开源框架际酰杓瓶7⒘恕霸げ系统原型”的一个系统。关键词:交通流,,模型,背景值,预测,振荡序列,‘
江苏大学硕士学位论文甈.,,,琣,甌甋甌瑃瑃瓵猦瑆..琲..甋—
江苏大学硕士学位论文甒,,,,瑃簍,,琤,.猼甋甌:.甈’’琾琽琕,
目录江苏大学硕士学位论文第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.课题背景及研究意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一:⋯⋯⋯⋯论文的研究内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯研究的方法及技术路线⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯论文的组织结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..第二章灰色理论的短时交通流预测综述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。交通流特性及预测方法分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.煌ㄐ畔⒃⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯灰色预测方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..≈⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...疑げ饽P汀,模型检验⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..灰色系统理论的短时交通流预测模型概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..第三章,改进模型的短时交通流预测⋯⋯⋯⋯⋯.引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯,模型背景值误差产生的原因分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.背景值的最优化⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.本章小结⋯⋯