资源描述：
《基于小波神经网络短时交通流量预测》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、基于小波神经网络的短时交通流预测摘要将小波神经网络的时间序列预测理论应用于短时交通流量的预测。通过小波分解与重构获取交通流量数据中的低频近似部分和高频随机部分，然后在分析各种模型的优、劣的基础上，选取较有效的模型或模型结合方式，建立了交通流量预测模型。最后,利用实测交通流量数据对模型仿真,结果表明该模型可以冇效地提高短时交通流量预测的精度。关键词：小波变换交通流预测神经网络1.背景众所周知，道路交通系统是一个有人参与的、时变的、复杂的非线性大系统，它的显著特点之一就是具有高度的不确定性(人为的和自然的影响)。这种不确定性给短吋交
2、通流量预测带来Y极大的W难。这也就是短吋交通流量预测相对于屮长期预测更复杂的原因所在。在交通流量预测方面,小波分析不是一个完全陌生的工具，但是仍然处于探索性的应用阶段。实际上，这种方法在计算机网络的流景的预测屮有着广泛的应用。与计算机网络一样，车流也表现出复杂的习性。所以可以把它的应用推广类比到交通流量的预测中来。小波分析有着与生俱来的解决非稳定吋间序列的能力，所以常常被争独用来解决常规吋间序列模型屮的问题。2.小波理论小波分析是针对傅里叶变换的不足发展而来的，傅里叶变换是信号处理领域里最为广泛的一种分析手段，然而他有一个严重的
3、不足，就是变换抛弃Y吋间信息，变换结果无法判断某个信号发生的时间。小波是一种长度冇限，平均值为0的波形，它的特点包括：(1)时域都具有紧支集或近似紧支集：(2)直流分量为0;小波变换是指把某一基木小波函数V(t)平移b后，再在不同尺度a下与待分析的信号x(t)做闪积。WTx(a,b)=-L=J=(2—1)等效的吋域表达式为WTx(a,b)=fa>0(2—2)yjaJa3.小波神经网络小波神经网络是小波分析理论与神经网络理论相结合的产物，把小波基函数基于小波神经网络的短时交通流预测摘要将小波神经网络的时间序列
4、预测理论应用于短时交通流量的预测。通过小波分解与重构获取交通流量数据中的低频近似部分和高频随机部分，然后在分析各种模型的优、劣的基础上，选取较有效的模型或模型结合方式，建立了交通流量预测模型。最后,利用实测交通流量数据对模型仿真,结果表明该模型可以冇效地提高短时交通流量预测的精度。关键词：小波变换交通流预测神经网络1.背景众所周知，道路交通系统是一个有人参与的、时变的、复杂的非线性大系统，它的显著特点之一就是具有高度的不确定性(人为的和自然的影响)。这种不确定性给短吋交通流量预测带来Y极大的W难。这也就是短吋交通流量预测相对于屮
5、长期预测更复杂的原因所在。在交通流量预测方面,小波分析不是一个完全陌生的工具，但是仍然处于探索性的应用阶段。实际上，这种方法在计算机网络的流景的预测屮有着广泛的应用。与计算机网络一样，车流也表现出复杂的习性。所以可以把它的应用推广类比到交通流量的预测中来。小波分析有着与生俱来的解决非稳定吋间序列的能力，所以常常被争独用来解决常规吋间序列模型屮的问题。2.小波理论小波分析是针对傅里叶变换的不足发展而来的，傅里叶变换是信号处理领域里最为广泛的一种分析手段，然而他有一个严重的不足，就是变换抛弃Y吋间信息，变换结果无法判断某个信号发生的
6、时间。小波是一种长度冇限，平均值为0的波形，它的特点包括：(1)时域都具有紧支集或近似紧支集：(2)直流分量为0;小波变换是指把某一基木小波函数V(t)平移b后，再在不同尺度a下与待分析的信号x(t)做闪积。WTx(a,b)=-L=J=(2—1)等效的吋域表达式为WTx(a,b)=fa>0(2—2)yjaJa3.小波神经网络小波神经网络是小波分析理论与神经网络理论相结合的产物，把小波基函数作为隐含M节点的传递函数，信号前向传播的同时误差反向传播的神经网络。图一中X,,x2，....Xyt小波神经网络的输入参
7、数，y,，y2....,乂,„是小波神经网络的预测输出。图一小波祌经网络的拓扑结构本案例采用的小波基函数为morlet母小波基函数，数学公式为：=e~r/2coscr(2—3)令c=5函数图形为：图二morlet母小波基闲数小波神经网络输出层计算公式：y(k)=lMikh(i)k=1,2,…"，m(2—4)小波神经网络权值参数修正算法类似于bp神经网络权值修正算法，采用梯度修正网络的权值和小波基函数参数，从而使小波神经网络预测输出不断逼近近似期望输出。小波祌经网络修正过程如下：(1)计算神经网络预测误差e=Zyn(k)-y(k)
8、(2—5)(2)根据预测误差e修正小波神经网络权值和小波基函数系数+C(2—6)+<(2—7)(2—8)de_dakde式中根据，A^,Atz；+,,A^+l是根据网络预测误差计算得到:(2—9)(2—10)(2—11)式中n为学习速率。小波神经网络算法训练步骤
