网站如何设计搜索框,女生seo专员很难吗为什么,网站建设公司广告标题语,阿里巴巴网站运营怎么做课题名称#xff1a;基于小波神经网络的短时交通流量预测
版本时间#xff1a;2023-04-27
代码获取方式#xff1a;QQ#xff1a;491052175 或者 私聊博主获取
模型简介#xff1a;
城市交通路网中交通路段上某时刻的交通流量与本路段前几个时段的交通流量有关#x…
课题名称基于小波神经网络的短时交通流量预测
版本时间2023-04-27
代码获取方式QQ491052175 或者 私聊博主获取
模型简介
城市交通路网中交通路段上某时刻的交通流量与本路段前几个时段的交通流量有关并且交通流量具有24小时内准周期的特性。首先采集4 天的交通流量数据每隔15 分钟记录一次该段时间内的交通流量一共记录384个时间点的数据。用3天共288 个交通流量的数据训练小波神经网络最后用训练好的小波神经网络预测第4 天的交通流量。仿真拟采用前4个时间节点的交通流量预测。第5个时间节点即可以理解为第1-4节点预测第5个节点第2-5节点预测第6个节点依次类推构建训练数据和测试数据。一天96个时间节点按照上述逻辑可以组合92组数据那么3天288个时间节点可以组合276组5维数据这里需要注意的是只能当天数据组合模型数据故3天可以得到92*3276组数据。测试数据为第4天的96个节点可以组合92组5维测试数据。BP神经网络的构建确定BP神经网络结构。本案例采用的BP神经网络的输入层有4个节点表示预测时间节点前4个时间点的交通流量;隐含层有通过遍历求误差最小的隐含层节点;输出层有1节点为网络预测的交通流量。
关于数据
为什么288个交通流量数据最后训练数据input276*4output276*1 因为一天总共96组时间节点的交通流量因为前4个节点预测第5个节点故第1、2、3、4作为第一组训练输入第5天作为第一组输出第2、3、4、5作为第二组训练输入第6天作为第二组输出....最后第92、93、94、95作为第92组输入第96个节点作为第92组输出。所以一天96个节点最后只能有92组4维输入和1为输出。所以测试数据input_test和output_test是92*4和92*1。
模型建立
1.小波神经网络建立系统建模选择合适的小波神经网络建立
2.小波神经网络训练对小波神经网络初始化初始化网络权值和小波基函数利用训练数据训练小波神经网络反复训练100次
3.小波神经网络测试用训练好的小波神经网络预测短时交通流量 并对预测结果进行分析。
改进方向无
待改进方向:
1. 因为训练数据比较少为了提高预测精度通过交叉验证并不断迭代寻找最佳的SPREAD值最后应用于GRNN神经网络里。相比于固定的SPREAD值而言自适应求解SPREAD值的方式可以更好地提高预测精度
特殊说明
神经网络每一次的预测结果都不相同为了得到更好的结果建议多次运行取最佳值。
Matlab仿真结果
基于小波神经网络WNN短时交通流量预测的预测输出 基于小波神经网络WNN短时交通流量预测的预测误差 基于小波神经网络WNN短时交通流量预测的预测误差百分比 #由于前20个样本的数据过小导致误差百分比被拉高
