基于Lagrange支持向量回歸機(jī)交通流量預(yù)測(cè)模型的研究——與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型比較.pdf

1、交通系統(tǒng)是支持社會(huì)經(jīng)濟(jì)發(fā)展的基礎(chǔ)設(shè)施和“循環(huán)系統(tǒng)”，在社會(huì)經(jīng)濟(jì)系統(tǒng)中占有重要的地位。交通問題解決的好與壞，直接影響著國(guó)民經(jīng)濟(jì)的發(fā)展與人民生活質(zhì)量的提高。及時(shí)、準(zhǔn)確的交通流預(yù)測(cè)是實(shí)現(xiàn)交通流控制與誘導(dǎo)的基礎(chǔ)性問題，隨著預(yù)測(cè)時(shí)間跨度的縮短，交通流顯示出來的非線性、時(shí)變性、不確定性越來越強(qiáng)，歷史平均模型、時(shí)間序列模型、卡爾曼濾波模型、非參數(shù)回歸模型、神經(jīng)網(wǎng)絡(luò)模型、組合預(yù)測(cè)模型等這些傳統(tǒng)預(yù)測(cè)模型的預(yù)測(cè)效果和預(yù)測(cè)精度不甚理想。本文利用Lagrang

2、e支持向量回歸機(jī)算法提出了一種預(yù)測(cè)模型，通過仿真試驗(yàn)并與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的對(duì)比，顯示出該方法具有預(yù)測(cè)精度高、速度快的優(yōu)勢(shì)。
　　第一章主要介紹我國(guó)城市交通發(fā)展的狀況及其問題對(duì)策、智能交通系統(tǒng)的內(nèi)容及關(guān)鍵問題和本論文的研究目的、意義。
　　第二章主要闡述交通流的理論相關(guān)知識(shí)、當(dāng)前常用的交通流量預(yù)測(cè)方法。
　　第三章研究BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，首先介紹神經(jīng)網(wǎng)絡(luò)的基本理論，然后研究BP神經(jīng)網(wǎng)絡(luò)的算法以及改進(jìn)算法，最后建立預(yù)

3、測(cè)模型。
　　第四章研究Lagrange支持向量回歸機(jī)預(yù)測(cè)模型，介紹支持向量機(jī)的數(shù)學(xué)理論基礎(chǔ)——統(tǒng)計(jì)學(xué)習(xí)理論、支持向量機(jī)標(biāo)準(zhǔn)算法，將其推廣到Lagrange支持向量回歸機(jī)算法并建立預(yù)測(cè)模型，最后對(duì)Lagrange支持向量回歸機(jī)算法和BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行較全面系統(tǒng)地對(duì)比。
　　第五章進(jìn)行仿真試驗(yàn)，本文給出了一種構(gòu)造時(shí)間序列數(shù)據(jù)集的方法，通過Matlab實(shí)現(xiàn)仿真試驗(yàn)，顯示出了Lagrange支持向量回歸機(jī)預(yù)測(cè)模型較好的預(yù)測(cè)效果。