:局鸥乙二他年聁日本人郑重声明: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己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,均已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。
嗍燧名形务≯学位论文作者签名:腾笔乙讪月气日学位论文版权使用授权书本学位论文属于不保密酉。≯年缕江苏大学、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。
摘要提高短时交通流量预测效率及精确度为目标,结合控制思想、自组织思想构建了动态规划方法确定了神经网络的权值选取算法,根据误差函数建立系统性能指岢隽艘恢指慕淖宰橹成网络算法,在传统的缁累加数据影响,减少了训练数据输入顺序对聚类分析结果的影响,提高了模型的理,选择与当前时刻模式相同的历史数据作为训练数据;预测模型采用文章建立的控制预测模型。通过实际交通流数据验证了该组合模型在提高预测效率和预测随着道路基础设施建设速度满足不了机动车增长速度的矛盾日益突出,交通信息化建设成为缓解该矛盾的关键。交通流量是实现交通信息化的基础,实时、准确的短时交通流预测信息对实现交通组织、控制、诱导具有重要意义。文章以一个新的组合预测模型并将其用于实际工程应用中。基本思想是:在神经网络预测模型的基础上引入近似动态规划枷耄菘刂扑枷攵允视袢∩经网络权值变量,加快神经网络的收敛速度;采用改进的自组织映射对历史交通流数据聚类分析,建立相似数据数据库,与控制预测模型结合组成组合预测模型,提高模型预测精度;通过对实际交通流采样数据预测分析并将文章提出的预测模型应用于实际工程项目中,验证文章提出的预测模型在实际应用中的可行性和可靠性。文章的主要工作和研究成果主要体现在以下几个方面:岢隽艘恢挚刂圃げ饽P停P驮谏窬缭げ饽P偷幕∩希捎媒标,采用内部评价机制来评价神经网络权值选取的好坏,通过内部学习、训练、调整,产生近似最优控制变量,作为神经网络的权值变量。上,引入批量训练因子,使娜ㄖ蹈履J接纱车牡ヒ皇萦跋毂涑闪鲁棒性。、无监督学习等优点,对历史数据进行聚类分析,将分析结果持久化处精度上的有效性。ɡ砺勰P妥;J导视τ孟低常軽兄悄芙煌ㄓτ孟低车氖导市要,理论结合实际,将文章建立的预测模型封装到《机动车立体防控系统》中的交通流预测子模块中,在实际工程应用中验证文章所提模型的可行性。江苏大学硕士学位论文
关键字:短时交通流预测;近似动态规划;控制预测模型;纾慌恳基于瓵的短时交通流预测算法的研究和应用子;组合模型
鷗瑆.,江苏大学硕士学位论文,甌瑀猼.,.,.,甀瓸琲瓵瑃’
.,;瓵,甀;.瓹,瑄‘‘”,籄籅‘
⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一第二章短时交通流预测方法及近似动态规划概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯近似动态规划思想概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.贫婊难芯坑敕⒄⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第三章基于穆房诙淌苯煌骺刂圃げ饽P汀路口短时交通流预测控制思想⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯近似动态规划控制理论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一研究背景及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.庋芯肯肿础文章的组织结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一短时交通流量预测概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯..⋯⋯.⋯⋯
基于SOM-ADP的短时交通流预测算法研究和应用 来自淘豆网m.daumloan.com转载请标明出处.
