电梯交通流预测算法研究.pdfVIP

Project 工程 栏目责编孙一闽 电梯交通流预测算法研究 TheForecastingMethodforEe[evatorTrafficRow 一 常玲 郭莉莉 高效 电梯群控系统需要合理地安排与分配梯群对呼梯 表性、典型性 。这就要求对所要预测 的问题有全面深入 的 信号的响应 ，而准确的交通流量预测又是决定实时动态交 了解 ，否则很难达到好 的预测效果 。 通分配的重要因素，交通流量预测结果的好坏直接关系到 建立小波 网络预测模型，主要有 以下工作 。 交通控制与调度的效果。一种好的电梯群控系统交通流预 (1)对预测对象进行数据采集，并对采集的数据进行 测方法 ，能够为 电梯群控调度算法的进一步研究提供依 聚类分析，找出能够反映同类特征的数据进行预测。 据 ，实现电梯的优化调度。 (2)建立小波神经网络模型，主要包括网络的层数、 1 小波神经网络 每层的节点数、学习系数等等。这里需要注意，小波神经 小波神经网络的预测方法是神经网络预测方法 的一种 网络不仅要设置 网络权值 、初始 阈值 ，还要设置尺度 因子 改进，它融合了神经网络预测和小波分析的优点。与一般 的初始值。根据前面的介绍 ，适当的设置口。(口．1)的初 神经网络相 比它对高频信号的适应能力更强，预测效果更 始值可以提高网络的收敛性能。 好。由于小波变换表现出良好的时频局域化特性 ，以及它 (3)对输入变量做预处理。小波神经网络的输入变量 的多分辨功能，基于小波分析理论构造的小波神经网络也 初始值在[0，1】或[一1，1]区间时，具有较好 的收敛性能，因 表现出了良好 的辨识性能。并且小波神经网络结构是 以小 此需要对网络的输入数据进行预处理。 波分析理论为依据，可以避免神经网络结构设计上的盲 目 (4) 利用处理好 的数据输入 网络 ，进行网络训练 。在 性 ，是很有发展前景的一种网络。本文将通过对 电梯交通 进行网络训练时，我们可以采用多轮训练方式，这种训练 流的预测分析 ，得 出小波神经网络预测方法在 电梯交通流 方法可以降低新样本对原有样本的影响，提高网络的泛化 非线性时间序列预测中优于人工神经网络预测方法。 性能 。 用小波神经网络进行预测，要想取得满意效果，首先 (5)利用训练好的网络进行网络的仿真预测。 应该对神经网络和所需要预测的问题有一个深入全面 的了 (6)得到最终结果，经过一周之后，要适当地对网络 解。神经网络预测时有一些不足之处，其中最主要的有网 结构、参数做必要的修改，重新训练。 络结构的确定和网络泛化性能的提高等。对于网络结构的 2 小波神经网络在电梯交通流预测中的应用 确定 目前还没有较好的理论指导，多数情况下只能根据预 2．1 样本的选择 测者的经验。这就要求我们对神经网络有深刻的理解和体 根据对某办公大楼 电梯系统交通流长期历史数据的分 会。至于泛化 问题，有文章指出其影响最大的还是用于预 析可知，该办公楼工作 日 (周一 ～周五)的交通模式十分 测的样本 ，包括样本数量是否适合 ，样本质量是否具有代 相似且重复出现，又 由于预测周期短，所 以可采用时间序 701200。9。2~．。 。 列预测方法对 电梯交通流进行预测。按照一定的统计方法 确定。从隐含层空间到输出是线性的，通过对隐含层单元 采集一天中每个时间间隔的交通数据流构成交通流时间序 的输出加权求和获得 ，且权值可调 隐含层节点数的选择 列 ，即根据序列 {x(