-
公开(公告)号：CN111027662B
公开(公告)日：2024-01-12
申请号：CN201911085138.5
申请日：2019-11-08
Applicant: 南通大学
Abstract: 本发明提出了一种基于混沌量子粒子群算法优化的SD‑LSSVR短时交通流量预测方法，在优化的SD‑LSSVR模型中首先利用季节性因子预处理方法弱化原始数据序列的季节特征，其次构造优化的SD‑LSSVR模型快速得到预测结果。再次，利用混沌量子粒子群优化算法选择新模型所涉及的最优参数，以获得最佳的精度，最后采用滤波控制理论为实际的交通干道结构构建信号控制系统。最后，以某主干道为例进行了实际测试，验证了该模型的准确性和稳定性。数值结果表明，该模型不仅能有效地预测交通流量的季节变化，而且与BP神经网络模型、原最小二乘支持向量回归模型、季节ARIMA模型和灰色预测模型等几种著名的预测模型相比，具有较好的预测效果。
-
公开(公告)号：CN110991698B
公开(公告)日：2023-09-22
申请号：CN201911079213.7
申请日：2019-11-07
Applicant: 南通大学
Abstract: 本发明的基于一种混合处理的季节性交通流灰色预测方法，包括如下步骤：S1、根据不同时间间隔，从交通流数据库中提取若干周期的断面交通流量，建立季节性的原始交通流量序列；S2、利用基于比重法和季节指数法的混合处理方法去除原始交通流量序列的季节性，将原始交通流量序列转化为平滑的目标交通流量序列；S3、建立灰色预测模型，对目标交通流量序列进行预测处理，得到下一周期的交通流量预测值。本发明消除了原始交通流数据的季节性，在少量原始数据的情况下，有效提升了灰色预测的能力。本发明对于随机性较强的弱季节性交通流序列也有着较高的预测精度，且预测范围更广、预测效率更高、计算复杂度更低。
-
公开(公告)号：CN110991698A
公开(公告)日：2020-04-10
申请号：CN201911079213.7
申请日：2019-11-07
Applicant: 南通大学
Abstract: 本发明的基于一种混合处理的季节性交通流灰色预测方法，包括如下步骤：S1、根据不同时间间隔，从交通流数据库中提取若干周期的断面交通流量，建立季节性的原始交通流量序列；S2、利用基于比重法和季节指数法的混合处理方法去除原始交通流量序列的季节性，将原始交通流量序列转化为平滑的目标交通流量序列；S3、建立灰色预测模型，对目标交通流量序列进行预测处理，得到下一周期的交通流量预测值。本发明消除了原始交通流数据的季节性，在少量原始数据的情况下，有效提升了灰色预测的能力。本发明对于随机性较强的弱季节性交通流序列也有着较高的预测精度，且预测范围更广、预测效率更高、计算复杂度更低。
-
公开(公告)号：CN111027662A
公开(公告)日：2020-04-17
申请号：CN201911085138.5
申请日：2019-11-08
Applicant: 南通大学
Abstract: 本发明提出了一种基于混沌量子粒子群算法优化的SD-LSSVR短时交通流量预测方法，在优化的SD-LSSVR模型中首先利用季节性因子预处理方法弱化原始数据序列的季节特征，其次构造优化的SD-LSSVR模型快速得到预测结果。再次，利用混沌量子粒子群优化算法选择新模型所涉及的最优参数，以获得最佳的精度，最后采用滤波控制理论为实际的交通干道结构构建信号控制系统。最后，以某主干道为例进行了实际测试，验证了该模型的准确性和稳定性。数值结果表明，该模型不仅能有效地预测交通流量的季节变化，而且与BP神经网络模型、原最小二乘支持向量回归模型、季节ARIMA模型和灰色预测模型等几种著名的预测模型相比，具有较好的预测效果。
-
-
-
Search Results
4
records
(took 0.023 seconds)
