基于灰色—小波神经网络的有效泊位预测

《基于灰色—小波神经网络的有效泊位预测》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、基于灰色一小波神经网络的有效泊位预测鯉雕麵刘彩云上海理工大学管理学院摘要：针对停车场有效停车泊位的变化特征，提出丫棊于灰色一小波神经网络的组合模型.先通过灰色单因素预测模型对有效停车泊位时间序列进行修正处理，再基于分步式小波神经网络模型对修正预测值进行运算，并通过马克科夫链预测模型得到更精确的预测IX间，并利用实际案例分析，对模型的预测精度、稳定性、拟合度和训练时间进行了评价.研宄表明，灰色一小波神经网络预测模型可降低初始数据波动性的干扰，与传统神经网络相比，预测结果误差波动性降低丫10%19%，稳定性提高了27%33%,拟合度提高了10%15

2、%，精确度明显提高.关键词：交通工程;奋效停午泊位;灰色单因了预测;小波神经网络;作者简介：韩印(1964-)，男，黑龙江佳木斯人，教授，博士.作者简介：赵靖，jingzhaotraffic@163.com收稿日期：2017-04-24基金：W家自然科学基金(51608324)ForecastingofEffectiveParkingSpaceBasedonGrey-distributedWaveletNeuralNetworkModelHANYinZHENGZheZHAOJingLIUCai-yunBusinessSchoo1,Univers

3、ityofShanghaiforScienceandTechnology;Abstract：Aimingthevariationcharacteristicsoftheeffectiveparkingspace,acombinationmodelbasedonthegreysinglefactorforecastmodelandthewaveletneuralnetworkmodelisproposedtoforecasttheeffectiveparkingspace.Firstly,theeffectiveparkingspacetimes

4、eriesarerevisedthroughthegreysinglefactorforecastmodelinordertoreducetherandomfluctuation.ThenthedataisinputinthedistributedwaveletneuralnetworkmodelandcorrectedthoughtheMarkovChainforecastmodeltogetthefinialforecastresults.Thepredictionaccuracy,stability,fittingdegree,andtr

5、ainingtimeoftheproposedmodelareevaluatedbyacasestudy.Resultsshowthattheproposedmodelcanreducethevariationinterferenceoftheinitialdata.Comparingwiththetraditionalneuralnetwork,theproposedmodelcouldreducetheerrorfluctuation10%'9%,increasethestability27%33%,improvethefittingdeg

6、ree10%'5%improved,andhashigheraccuracy.Keyword：trafficengineering;effectiveparkingspace;greysinglefactorforecast;waveletneuralnetwork;Received：2017-04-240引言有效停车泊位是指当前停车场内可用来停放车辆的泊位Ul，具有时间波动性、空间不均匀性、资源局限性等特征，采取合适的方法对有效停车泊位进行实时、精确预测，可使停车资源得到更合理的利用.对于有效停车泊位的预测研究，最先采用的是线性时间序列预测方

7、法1^1，该方法假定系统屮的各变量为线性关系，可快速地得到预测结果，然而由于未考虑其中的非线性因素，预测结果的准确度较低.随后发展的是非线性时间序列预测方法［4-5］，DunningMLiu£Zl等采用此类方法，构建自回归移动平均模型等方法进行预测分析.然而此类方法理论较为复杂，并且模型分析时人工干预较多，故在实际应用中存在一定的局限性.随后，有效停车泊位的预测方法主要集屮在神经网络模型分析方法，如VenkatSwarlu应用分层自组织学习算法优化动态递归RBF神经网络预测模型对Delin市某大型停车场一段时间内的停车位数量进行预测研宄M;Ka

8、Outher应用小波分析神经网络建立有效泊位预测模型W内和关学者，如陈晓东［10］、高广银［11］、陈海鹏［12］、陈峻［13］等根据停车泊位的时间序