版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、 專 業(yè) 學(xué) 位 碩 士 學(xué) 位 論 文 基于伽瑪 基于伽瑪分布 分布與 GAMLSS GAMLSS 模型的短時 模型的短時 交通流 交通流量預(yù)測 預(yù)測 Short-term traffic flow prediction by gamma distribution and GAMLSS model 作 者 姓 名: 溫博雪 工 程 領(lǐng) 域: 控制工程
2、 學(xué) 號: 31509100 指 導(dǎo) 教 師: 顧宏 教授 完 成 日 期: 2017.05.08 大連理工大學(xué) Dalian University of Technology 大連理工大學(xué)專
3、業(yè)學(xué)位碩士學(xué)位論文 - I - 摘 要 智能交通控制系統(tǒng)是緩解城市交通壓力的有效手段之一。 交通流量的預(yù)測作為智能交通控制系統(tǒng)的基礎(chǔ),其預(yù)測精度直接影響了智能交通系統(tǒng)對道路交通的管控效果。研究城市道路的交通流量預(yù)測具有重要意義。 本文依據(jù)道路檢測卡口的歷史數(shù)據(jù)對交通流量進行預(yù)測,主要工作包括: 1. 對交通流量數(shù)據(jù)進行了描述性分析和處理。 交通流量是指在一定時間段內(nèi)通過道路檢測點的車輛數(shù)目,具有明顯的周期性、相關(guān)性和隨機性。以往的
4、單變量統(tǒng)計預(yù)測模型常假設(shè)交通流量數(shù)據(jù)服從高斯分布, 這造成在交通流量數(shù)據(jù)較小時刻的預(yù)測值有可能出現(xiàn)負值。為了解決這一問題,本文提出采用伽瑪分布;同時考慮到交通流量數(shù)據(jù)中可能存在異常數(shù)據(jù),本文運用固定閾值的方法檢測數(shù)據(jù),并對異常數(shù)據(jù)進行了處理。 2. 提出了基于伽瑪分布的 GAMLSS 單變量預(yù)測模型。 GAMLSS 模型是一種廣義的回歸模型, 考慮到伽瑪分布的形式和特點, 應(yīng)用 Box-Cox 變換方法將整數(shù)類型的交通數(shù)據(jù)變換成適用伽瑪
5、分布的實數(shù)類型數(shù)據(jù),并代入 GAMLSS 模型,建立了應(yīng)用伽瑪分布的 GAMLSS 預(yù)測模型;基于 BIC 準則對模型進行選擇,應(yīng)用最大似然函數(shù)的方法對模型的未知參數(shù)進行估計。 應(yīng)用大連市東北聯(lián)合路交通流量數(shù)據(jù)對本文提出的方法進行測試, 驗證了本文方法的有效性。與假設(shè)數(shù)據(jù)為高斯分布的單變量預(yù)測模型效果進行對比,結(jié)果表明本文提出的方法對于交通流量數(shù)據(jù)的預(yù)測有更好的效果。 關(guān)鍵詞:交通流預(yù)測;伽瑪分布;Box-Cox 變換;GAMLSS 模
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于多模型融合的短時交通流量預(yù)測.pdf
- 交通流量短時預(yù)測方法研究.pdf
- 交通流量短時預(yù)測的算法研究.pdf
- 短時交通流量混合預(yù)測方法研究.pdf
- 短時交通流量預(yù)測算法研究.pdf
- 基于非參數(shù)回歸的短時交通流量預(yù)測.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的短時交通流量預(yù)測研究.pdf
- 基于SARIMA和SVM模型的短時交通流預(yù)測.pdf
- 基于組合模型的短時交通流的預(yù)測研究.pdf
- 基于時空相關(guān)分析的短時交通流量預(yù)測方法研究.pdf
- 基于小波神經(jīng)網(wǎng)絡(luò)的短時交通流量預(yù)測.pdf
- 基于RVM和ARIMA的短時交通流量預(yù)測方法研究.pdf
- 結(jié)合交通流動態(tài)特性的短時交通流量組合預(yù)測研究.pdf
- 基于小波變換的交通流短時預(yù)測模型研究.pdf
- 城市交通流短時預(yù)測模型研究.pdf
- 短時交通流預(yù)測模型及預(yù)測方法的研究.pdf
- 基于非參數(shù)回歸的短時交通流量預(yù)測方法研究.pdf
- 基于深度學(xué)習(xí)的短時交通流預(yù)測.pdf
- 基于短時交通流預(yù)測的交通控制算法研究.pdf
- 基于深度神經(jīng)網(wǎng)絡(luò)的短時交通流量預(yù)測算法研究.pdf
評論
0/150
提交評論