基于遗传算法的小波神经网络短时交通流预测-交通运输规划与管理专业论文.docxVIP

SHORT TIME TRAFFIC FLOW FORECASTING BASED ON GENETIC ALGORITHM AND WAVELET NEURAL NETWORK A Dissertation submitted in fulfillment of the requirements of the degree of MASTER OF PHILOSOPHY from Shandong University of Science and Technology by Sun Li’juan Supervisor: Professor. Yu Shi’jian College of Information and Electronic April 2009 声 明 本人呈交给山东科技大学的这篇硕士学位论文，除了所列参考文献和世所 公认的文献外，全部是本人在导师指导下的研究成果。该论文资料尚没有呈交 于其它任何学术机关作鉴定。 硕士生签名： 日 期： AFFIRMATION I declare that this dissertation, submitted in fulfillment of the requirements for the award of Master of Philosophy in Shandong University of Science and Technology, is wholly my own work unless referenced of acknowledge. The document has not been submitted for qualification at any other academic institute. Signature: Date: 山东科技大学硕士学位论文摘要 山东科技大学硕士学位论文 摘要 摘 要 基于遗传算法的小波神经网络的短时交通流预测是本文的研究重点。日益严重的交 通拥挤、道路堵塞、交通环境恶化问题，需要交通控制和诱导系统提供实时准确的道路 交通信息，因此短时交通流预测具有很重要的意义。本文首先分析了交通流变化的本质 不确定性和非线性特性，然后根据几种小波函数的特点，选取 Morlet 和 Meyer 小波基作 为神经网络的激励函数，建立小波神经网络模型，然后用遗传算法对小波神经网络的连 接权值和伸缩平移尺度进行二次优化。为了提高交通量数据的可利用度，首先对交通流 数据进行预处理，用小波分析方法去除交通流信号中的奇异点，达到消噪的目的，为了 提高模型收敛的速度和预测的精度，对数据进行归一化处理。在仿真阶段，为了凸显利 用遗传算法优化小波神经网络模型的效果，依次用神经网络模型、小波神经网络模型、 基于遗传算法的小波神经网络模型层层逼近的方法进行仿真预测，结果表明，拟合程度 越来越高，误差逐渐减小，基于遗传算法的小波神经网络模型在短时交通流预测中存在 明显的优势，在理论上是可行的，提高了交通量预测的准确性，为交通控制和诱导系统 提供了一种新的思路和方法，能够提供较为准确的实时路况预测信息，在一定程度上缓 解交通压力问题。 关键字： 交通流 预测 神经网络 遗传算法 小波分析 ABSTRACT The traffic flow forecasting based on genetic algorithm and wavelet neural network is the main content of this dissertation. Facing to the growing traffic congestion and the deterioration of the traffic environment, it is necessary to provide real-time information for the travelers. So it is necessary and important to make short time traffic flow forecasting. In the beginning, this dissertation proposes the uncertainty and nonlinear of the traffic flow, then according to different features of several wavelets, this dissertation selects Morlet and Meyer wavelets as activation functions of neural network, and models wavele