基于小波-ELM神经网络的短期停车泊位预测

被引：22

作者：

陈海鹏 ^{[1
]}

图晓航 ^{[1
]}

王玉 ^{[1
,2
]}

郑金宇 ^{[3
]}

机构：

[1] 吉林大学计算机科学与技术学院

[2] 吉林大学应用技术学院

[3] 吉林大学软件学院

来源：

吉林大学学报(理学版) | 2017年 / 55卷 / 02期

关键词：

停车泊位管理系统; 空余停车泊位; 小波变换; 极限学习机;

D O I：

10.13413/j.cnki.jdxblxb.2017.02.34

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

采用小波变换与极限学习机(ELM)相结合的方法对短时空余停车泊位进行预测.首先通过小波函数对有效停车泊位时间序列进行小波分解和重构;然后用ELM对分解后所得的各时间序列进行预测;最后对各神经网络的预测结果进行合成,得到最终的预测结果.预测实例结果表明,该方法缩短了训练时间,提高了预测结果.

引用

页码：388 / 392

页数：5

共 7 条

[1] 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 [J].

季彦婕 ;

陈晓实 ;

王炜 ;

胡波 .

吉林大学学报(工学版), 2016, 46 (02) :399-405

[2] 停车场有效泊位占有率变化特性及其短时预测模型(英文) [J].

季彦婕 ;

王炜 ;

邓卫 .

Journal of Southeast University(English Edition), 2007, (04) :604-608

[3] 基于相空间重构及Elman网络的停车泊位数据预测 [J].

陈群 ;

晏克非 ;

王仁涛 ;

莫一魁 .

同济大学学报(自然科学版), 2007, (05) :607-611

[4] 智能化停车诱导系统有效停车泊位数据的预测技术研究 [J].

杨兆升 ;

陈晓冬 .

交通运输系统工程与信息, 2003, (04) :12-15

[5]

混沌时间序列分析及其应用[M]. 武汉大学出版社 , 吕金虎等编著, 2002

[6]

Finding available parking spaces made easy[J] . Andreas Klappenecker,Hyunyoung Lee,Jennifer L. Welch.Ad Hoc Networks . 2012

[7]

Extreme learning machine: Theory and applications[J] . Guang-Bin Huang,Qin-Yu Zhu,Chee-Kheong Siew.Neurocomputing . 2006 (1)

← 1 →