资源描述：
《基于溷沌和rbf神经网络的短时交通流量预测-系统工程》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、第25卷第11期(总第167期)系统工程Vol.25,No.112007年11月SystemsEngineeringNov.,2007文章编号:100124098(2007)1120026205X基于混沌和RBF神经网络的短时交通流量预测张玉梅,曲仕茹,温凯歌(西北工业大学自动化学院,陕西西安710072)摘要:针对传统的应用数学模型方法在短时交通流预测精度和实时性方面存在的问题,论文从非线性时间序列的角度对短时交通流量预测进行探讨,提出采用基于混沌理论的RBF神经网络预测方法。首先在采用小数据量的Lyapunav指数计算方法判定交通流存在混沌的前
2、提下,对交通流量数据进行相空间重构。构建了RBF神经网络,并对模拟产生的Lorenz和Rossler混沌时间序列数据以及实际采集的高速公路交通流量数据进行了仿真研究。结果表明,该方法对模拟产生的混沌时间序列具有很好的预测效果,在交通流量的短时预测上也具有较高的预测精度。关键词:短时交通流量;预测;混沌;RBF神经网络;相空间重构中图分类号:U116文献标识码:A1引言2交通流量时间序列的相空间重构交通诱导和控制是智能交通系统(intelligenttrans2相空间重构的基本原理是F.Takens和R.Mane的延[4,5]portationsys
3、tem,ITS)的重要组成部分。实时准确的交通迟嵌入定理,即只要适当选取嵌入维数m和延滞时间[1,2]流预测是实现智能交通诱导和控制的前提与关键。由S,原混沌动力系统的几何特征与重构的m维状态空间的于交通诱导和控制对实时性有较高的要求:交通控制的最几何特征便是等价的,它们具有相同的拓扑结构。这意味大周期是2.5～3min,交通诱导的周期一般为5min。因此,着可把预测问题转化为相空间里的一个短的演化过程来如何在5min内准确的预测交通流是实现ITS的关键。但讨论,从而为混沌时间序列的预测奠定了坚实的理论基[6]是,当交通流预测周期缩小时,会表现出更
4、强的不确定性础。和非线性。因此,基于数学模型的传统方法在预测精度和设观测到的交通流量时间序列为:[3]N实时性方面难以达到要求。理论上更精确的方法是用符q(n)n=1,q(n)=q(t0+n$t),n=1,2,⋯,N(1)合短期交通流特性的非线性动力学理论对交通流量进行式中,t0表示初始时间,$t表示采样时间间隔。选择合适预测。的嵌入维数m和延滞时间S,由(1)式重构一个m维的状混沌理论研究非线性动力学系统随时间变化的规律。态向量:基于混沌理论,可以不必建立预测数学模型,而直接根据qj(n)=[q(n),q(n-S),⋯,q(n-(m-1)S)],
5、交通流序列计算出的客观规律进行预测,这样可提高预测n=N0,N0+1,⋯,N的精确度和可信度。本文从非线性时间序列的角度出发,即采用混沌动力学理论对短时交通流进行分析,并应用q(N0)q(N0+1)⋯q(N)RBF神经网络对模拟产生的混沌时间序列及实际采集的q(N0-S)q(N0+1-S)⋯q(N-S)交通流量数据进行仿真研究。结果表明,该方法对混沌时q(N0-2S)q(N0+1-2S)⋯q(N-2S)间序列及短时交通流量预测具有较高的预测精度,可以为⋯⋯⋯⋯交通诱导和控制提供准确的参考。q(N02(m21)S)q(N0+12(m21)S)⋯q(N
6、2(m21)S)jjjq(N0)q(N0+1)⋯q(N)X收稿日期:2007207202基金项目:国家自然科学基金重点资助项目(60134010)作者简介:张玉梅(19772),女,陕西人,西北工业大学自动化学院博士研究生,研究方向:交通运输规划与管理。第11期张玉梅,曲仕茹等:基于混沌和RBF神经网络的短时交通流量预测27jjj2其中,N0=(m-1)S+1,q(n)为相点,m维序列jj-q(n)-cjjUj(q(n)-cj)=exp2q(n)ûn=N0,N0+1,⋯,N构成一个相型,它表示交通B[11]其中,B称为宽度值。流系统在某一瞬间的状态
7、。按时间增长的顺序将其相连,用RBF神经网络来预测混沌时间序列,神经网络每即可描述交通流系统在m维相空间中的演化轨迹。此时状态空间qj(n)→qj(n+1)的演化反映了交通系统的演化,层的神经元数目,取决于混沌时间序列的具体情况。一般情况下,输入层神经元的个数等于混沌时间序列重构相空这样就可以由历史数据进行预测。[7]间的嵌入维数m时,预测效果比较好。通常隐层神经元在相空间重构中,延滞时间S和嵌入维数m的选取具数目的确定是根据经验及实验调整确定,即事先设定一个有十分重要的意义,同时也是很困难的。文献[7]总结介精度值,隐层神经元个数由小到大增加,当
8、网络达到设定绍了多种方法。其中自相关函数法是较简单的寻找延滞时精度时,这时的隐层神经元个数即为选定的个数。间S的方法;互信
