交通流混沌的小样本判定方法-系统工程专业论文.docxVIP

中文摘要为了实现基于混沌的交通控制，必须尽快识别出交通流中的混沌，以便及时 中文摘要 为了实现基于混沌的交通控制，必须尽快识别出交通流中的混沌，以便及时 采取控制措施，使交通流趋于有序。然而现有的混沌识别方法需求样本量大，计 算速度慢，无法满足实时性的要求。因此，研究在线实时快速判定混沌的方法不 仅可以填补理论上的空白，而且具有很高实用价值。 本文从定性判定和定量估计两个方面研究交通流中的混沌现象，并通过仿真 实验验证了所提识别方法的有效性。 在对混沌交通流的定性判定方面，本文提出一种基于系统先验信息的混沌判 定方法。该方法通过基于支持向量机的知识发现方法寻找出现混沌与初始条件的 对应关系，把判定混沌的问题转化为判定系统是否满足特定的初始条件的问题， 从而实现对混沌的小数据量的快速判定。在该部分给出一个定性判定确定系统混 沌的方法的总体框架，并详细介绍各个子系统的实现方法。 在对交通流中的混沌的定量估计方面，提出了基于小波神经网络和计算 Lyapunov指数谱的方法。该方法采用相空间重构技术对一维序列进行重构，用 小波神经网络估计重构的动力系统方程，再计算该系统方程的Lyapunov指数谱， 通过重构的系统来研究未知的系统。实验部分用该方法对Logistic映射和Henon 映射的一维序列进行了计算，结果表明小波神经网络具备极好的非线性逼近能 力，且最终计算结果精度高，需求样本数少，可以满足实时性的要求。仿真试验 了该方法在交通流中的应用。 关键词：交通流，混沌，Lyapunov指数，小波分析，多尺度分解，支持向量机， 小波神经网络。 ABSTRACTF0r ABSTRACT F0r tlle昀伍c con臼．0l based衄chaos．chaos in仃a伍c now m’ust be id朗tified髂 so衄弱possible，in 0rder t0绌e the con臼0l me踟re in time跹d make the锄伍c flow t铋d tow孤司b in ordcr．But tlle e虹sting chaos identi母ing metllods d‘mlaIld large 锄Dullt san叩les粕d calculate slowly，t11ey c趾．t meet the rcquest for real-time ch锄c溉111ercfore me rese钔．ch 0f rcal—time identi匆啦of c11aos h硒∞t only i如lport锄t academic significallce，but also has important practical value． ne chaos phenon坞non in the仃a伍c flow of qualitatiVe identification卸d quanti枷Ve estimation was researche也and the Validi锣of tlle proposed method was V酣fied恤伽曲the siⅡmlations． In me qllalita瞄ve identification nle chaos廿amc flow’0ne kind of identification metllod is presented，廿le method finds t11e corrcsponding relation of the chaos锄d initial condition岫曲support Vector Inachine，tllen me question of identif．yillg the chaos c锄tum int0 the question of weamer也e system enter也e initial condition．An oVerall缸me of q砌itative identi矗cati伽 metllod 0f也e systenlatic chaos phenomenon based 0n smaU啪ount data is酉Ven，and me implementation memod of each gubsystem in detailis in虹-oduced． 111 the quaIntitatiVe estimation t0 the曲IaIDs in也e tr瓶c fl∞吒a method based on tlle wavelet ne觚ork and calculating of Lyap吼0v exponents was proposed．111 tlle momod，也e one—dimensional serial of