学位论文 > 优秀研究生学位论文题录展示

基于支持向量机的公路车流量数据分析与预测模型

作　者: 王大鹏
导　师: 刘群
学　校: 哈尔滨工程大学
专　业: 计算机软件与理论
关键词: 统计学习理论支持向量机 SVM 车流量预测混沌时间序列
分类号: TP181
类　型: 硕士论文
年　份: 2006年
下　载: 353次
引　用: 2次
阅　读: 论文下载

内容摘要

支持向量机是一种新的机器学习算法，以统计学习理论作为其理论基础，它的训练等价于解决一个二次规划问题，采用结构风险最小化原则，具有预测能力强、全局最优及收敛速度快等显著特点。因此，本文从研究混沌时间序列的预测入手，提出了一种基于支持向量机回归理论的预测方法，并将其应用于混沌时间序列预测中。为了验证该算法的性能，我们做了两项工作，一个是利用相空间的重构理论对混沌时间序列进行了单步与多步的预测，并同文献中的神经网络的预测结果进行了比较分析；另一个是在混沌时间序列中加入不同水平的噪声，并同BP网络及RBF网络的预测结果进行了比较分析。仿真结果表明，用支持向量回归算法进行混沌时间序列的预测能够取得比其他方法更好的效果，具有很好的稳健性及泛化能力。在研究混沌时间序列预测的基础上，我们结合高速公路车流量的特点，对高速公路车流量预测问题进行研究，建立了基于支持向量机的高速公路车流量短期预测的模型，应用实际的负荷数据进行仿真试验，实际试验表明，该方法在预测的效果明显的优于人工神经网络方法。

全文目录

第1章绪论  8-13
  1.1 研究背景  8-9
  1.2 当前国内外研究现状  9-11
  1.3 研究的意义及其必要性  11
  1.4 本文主要的研究工作与内容  11-13
第2章支持向量机的学习理论  13-33
  2.1 统计学习理论  13-20
    2.1.1 函数集的VC维  13-14
    2.1.2 利用验证来界定VC维  14-15
    2.1.3 推广能力的界  15-16
    2.1.4 模型估计  16-19
    2.1.5 模型选择  19-20
  2.2 支持向量机  20-31
    2.2.1 支持向量机多分类问题、核函数和损失函数介绍  21-25
    2.2.2 支持向量机回归(SVR)  25-31
  2.3 本章小结  31-33
第3章混沌时间序列的预测  33-41
  3.1 基于SVM的混沌时间序列的多步预测  33-38
    3.1.1 模型和数据的产生  34
    3.1.2 最小嵌入维数的确定  34-35
    3.1.3 评价指标  35
    3.1.4 仿真试验结果  35-38
  3.2 基于SVM的混沌时间序列的去噪预测  38-40
    3.2.1 模型与数据的产生  38
    3.2.2 预测模型的参数及结构  38-39
    3.2.3 仿真实验结果  39-40
  3.3 本章小结  40-41
第4章基于SVM的车流量预测方法  41-60
  4.1 常用预测方法  41-45
    4.1.1 时间序列法  41-42
    4.1.2 回归分析法  42-43
    4.1.3 多层递阶回归分析法  43
    4.1.4 灰色系统  43-44
    4.1.5 神经网络方法  44-45
  4.2 车流量预测分析  45-51
    4.2.1 车流量预测基本原理  46-47
    4.2.2 车流量预测的基本过程  47-49
    4.2.3 车流量预侧的误差分析  49-51
  4.3 基于支持向量机的车流量预测  51-55
    4.4.1 支持向量机网络模型  51-52
    4.4.2 RBF核函数的工作原理  52-55
  4.5 车流量预测试验  55-59
    4.5.1 影响因子及训练数据集的构建  55-56
    4.5.2 SVM算法的参数分析  56-57
    4.5.3 评价指标  57
    4.5.4 试验结果分析  57-59
  4.6 本章小结  59-60
结论  60-62
参考文献  62-67
攻读硕士学位期间发表论文和取得的科研成果  67-68
致谢  68

基于支持向量机的公路车流量数据分析与预测模型

内容摘要

全文目录

相似论文