基于小波变换和粒子群小波神经网络组合模型的有效停车泊位短时预测

被引：23

作者：

季彦婕 ^{[1
,2
]}

陈晓实 ^{[1
,2
]}

王炜 ^{[1
,2
]}

胡波 ^{[1
,2
]}

机构：

[1] 东南大学交通学院

[2] 现代城市交通技术江苏高校协同创新中心

来源：

吉林大学学报(工学版) | 2016年 / 46卷 / 02期

基金：

国家自然科学基金国际合作与交流项目;

关键词：

交通运输系统工程; 有效停车泊位; 短时预测; 小波变换; 粒子群算法; 小波神经网络;

D O I：

10.13229/j.cnki.jdxbgxb201602010

中图分类号：

U491 [交通工程与交通管理];

学科分类号：

082302 ; 082303 ;

摘要：

基于停车场有效停车泊位短时变化特性,提出了一种小波变换和粒子群小波神经网络组合预测方法。首先,通过选择合适的小波函数对有效停车泊位时间序列进行多尺度的小波分解与重构,然后对重构后的时间序列分别采用小波神经网络进行预测,并利用粒子群算法对神经网络初始参数的选取进行优化,最后将各自外推的预测结果进行合成,得到最终预测结果。实例分析表明:与单独使用小波神经网络模型相比,小波变换-粒子群小波神经网络模型的预测精度提高了5～7倍,且预测稳定性较好。

引用

页码：399 / 405

页数：7

共 8 条

[1]

基于泊位诱导及短时预测的智能停车管理系统研究.[D].许增昭.华南理工大学.2010, 04

[2]

基于回声状态网络的交通流预测模型及其相关研究.[D].杨飞.北京邮电大学.2012, 01

[3]

An improved wavelet–ARIMA approach for forecasting metal prices.[J].Thomas Kriechbaumer;Andrew Angus;David Parsons;Monica Rivas Casado.Resources Policy.2014,

[4] Supervised hybrid feature selection based on PSO and rough sets for medical diagnosis [J].