• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于混沌-小波神經(jīng)網(wǎng)絡(luò)的公交客流量預(yù)測(cè)模型研究

    2017-11-22 01:11:08范黎林符天陽(yáng)孫蘭賓張廣振
    城市公共交通 2017年9期
    關(guān)鍵詞:相空間刷卡客流量

    范黎林 符天陽(yáng) 孫蘭賓 張廣振 徐 銘

    (1.河南師范大學(xué) 計(jì)算機(jī)與信息工程學(xué)院,新鄉(xiāng) 453007;2.河南省高校計(jì)算智能與數(shù)據(jù)挖掘工程技術(shù)研究中心,新鄉(xiāng) 453007;3.新鄉(xiāng)市公共交通總公司,新鄉(xiāng) 453000)

    基于混沌-小波神經(jīng)網(wǎng)絡(luò)的公交客流量預(yù)測(cè)模型研究

    范黎林1,2符天陽(yáng)1孫蘭賓3張廣振3徐 銘3

    (1.河南師范大學(xué) 計(jì)算機(jī)與信息工程學(xué)院,新鄉(xiāng) 453007;2.河南省高校計(jì)算智能與數(shù)據(jù)挖掘工程技術(shù)研究中心,新鄉(xiāng) 453007;3.新鄉(xiāng)市公共交通總公司,新鄉(xiāng) 453000)

    為提高公交客流量預(yù)測(cè)的精確度,將混沌理論和小波神經(jīng)網(wǎng)絡(luò)方法相結(jié)合應(yīng)用于公交客流量預(yù)測(cè)。分別采用自相關(guān)法、偽最近鄰域法計(jì)算公交客流量時(shí)間序列的時(shí)間延遲、嵌入維數(shù),采用小數(shù)據(jù)量法計(jì)算其最大李雅普諾夫指數(shù),證實(shí)該時(shí)間序列具有混沌特性。據(jù)此建立混沌-小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,進(jìn)而對(duì)H省某市實(shí)際公交客流量進(jìn)行預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明,相比于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法、LIBSVM預(yù)測(cè)法,該方法在均方誤差(MSE)、平均絕對(duì)誤差(MAE)、平均相對(duì)誤差(MRE)上均具有更小的預(yù)測(cè)誤差,因而可以有效地預(yù)測(cè)公交客流量。

    混沌;小波神經(jīng)網(wǎng)絡(luò);公交客流量預(yù)測(cè)

    U491.1+4

    A

    1 引言

    隨著我國(guó)城市交通擁堵、汽車尾氣污染日益加重,城市公共交通優(yōu)先發(fā)展戰(zhàn)略[1]的實(shí)施迫在眉睫。對(duì)各條公交線路客流量的精確預(yù)測(cè)有利于公交公司高效地進(jìn)行車輛調(diào)度,既不浪費(fèi)公交資源,又能更好地滿足人們?nèi)粘5某塑囆枨?。公交客流量作為日常公交運(yùn)營(yíng)的關(guān)鍵因素,它與上下班時(shí)間、節(jié)假日、天氣狀況等因素有關(guān),其中既有確定性因素的作用,又受隨機(jī)性因素的影響,這導(dǎo)致其時(shí)間序列呈現(xiàn)出非線性、非平穩(wěn)性和復(fù)雜性的特征,因而對(duì)公交客流量進(jìn)行預(yù)測(cè)的難度很大。目前,在公交公司實(shí)際的運(yùn)營(yíng)調(diào)度工作中,大多依靠調(diào)度人員憑借經(jīng)驗(yàn)判斷公交客流量的變化情況,由于缺乏定量的分析預(yù)測(cè)手段,導(dǎo)致預(yù)測(cè)效果往往與實(shí)際的公交客流量有不小出入,因而需要運(yùn)用科學(xué)有效的方法進(jìn)行公交客流量預(yù)測(cè),以提高預(yù)測(cè)精度。

    近年來(lái),受國(guó)家城市公共交通優(yōu)先發(fā)展戰(zhàn)略的政策導(dǎo)向以及實(shí)際需要,研究者們?cè)诠豢土髁款A(yù)測(cè)領(lǐng)域的研究日趨增多。例如:顧楊等[2]從公交線網(wǎng)樞紐站客流變化規(guī)律出發(fā),設(shè)計(jì)出ARMA短期客流預(yù)測(cè)模型。這種基于ARMA模型的線性方法建模簡(jiǎn)單,但無(wú)法保證對(duì)具有非線性、非平穩(wěn)性和復(fù)雜性特征的公交客流量進(jìn)行預(yù)測(cè)的精度。米根鎖等[3]提出用灰色變異粒子群組合預(yù)測(cè)模型來(lái)預(yù)測(cè)公交客流量。陸百川等[4]建立了基于IC卡和RBF神經(jīng)網(wǎng)絡(luò)的短時(shí)公交客流量預(yù)測(cè)模型并介紹了具體的預(yù)測(cè)過(guò)程。王慶榮等[5]提出了一種基于隨機(jī)灰色蟻群神經(jīng)網(wǎng)絡(luò)的近期公交客流量預(yù)測(cè)方法。劉翠等[6]建立了基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)的公交線路站點(diǎn)時(shí)段上下車人數(shù)預(yù)測(cè)模型。但BP神經(jīng)網(wǎng)絡(luò)容易陷入局部最優(yōu)且樣本依賴性太強(qiáng)。薛向紅等[7]提出了一種基于相空間重構(gòu)與支持向量機(jī)的預(yù)測(cè)公交客流量的新方法。但支持向量機(jī)更適合小樣本問(wèn)題。因此,需要采用更先進(jìn)的預(yù)測(cè)方法,以提高公交客流量預(yù)測(cè)的精確度。

    目前的研究結(jié)果表明,混沌是一種非線性現(xiàn)象,混沌的動(dòng)態(tài)系統(tǒng)具有確定性的法則。由于公交客流量時(shí)間序列的混沌特性[8]是由公交系統(tǒng)的內(nèi)在特性引起的,故該時(shí)間序列的短期變化行為是完全可以確定的,這便為對(duì)公交客流量時(shí)間序列進(jìn)行預(yù)測(cè)提供了新的理論基礎(chǔ)。同時(shí),由于小波分析[9]對(duì)非平穩(wěn)序列具有多尺度的分解能力,而且它能夠通過(guò)小波基函數(shù)的變換分析信號(hào)的局部特征,因此我們可以通過(guò)小波分析來(lái)降低公交客流量時(shí)間序列的非平穩(wěn)性,進(jìn)而實(shí)現(xiàn)對(duì)該時(shí)間序列的預(yù)測(cè)。由于基于小波分析理論的小波神經(jīng)網(wǎng)絡(luò)方法[10]在其隱含層引入了伸縮因子、平移因子這兩個(gè)新的參數(shù),從而具有更加靈活有效的函數(shù)逼近能力,這便為對(duì)公交客流量時(shí)間序列進(jìn)行預(yù)測(cè)提供了新的方法途徑。因此,本文采用混沌理論的相空間重構(gòu)方法[11]將公交客流量時(shí)間序列映射到m維特征空間,形成相點(diǎn)并構(gòu)造樣本對(duì),解決了樣本對(duì)確定的問(wèn)題,再應(yīng)用小波神經(jīng)網(wǎng)絡(luò)方法對(duì)訓(xùn)練樣本對(duì)進(jìn)行訓(xùn)練以得到最佳模型,進(jìn)而通過(guò)該模型實(shí)現(xiàn)公交客流量預(yù)測(cè)。

    2 公交客流量時(shí)間序列的混沌特性判定及相空間重構(gòu)

    2.1 混沌特性判定

    混沌是一種廣泛存在于自然界的科學(xué)現(xiàn)象,它在宏觀上表現(xiàn)為一種混亂的、隨機(jī)的狀態(tài)且對(duì)初始條件敏感依賴,但在微觀上又有一定的規(guī)律性。通常認(rèn)為混沌系統(tǒng)介于完全確定和完全隨機(jī)之間,因此可用于分析具有非線性、非平穩(wěn)性和復(fù)雜性特征的公交客流量時(shí)間序列。

    判定公交客流量時(shí)間序列是否具有混沌特性的最常用方法是計(jì)算其最大李雅普諾夫指數(shù)。如果該時(shí)間序列的最大李雅普諾夫指數(shù)為正,那么意味著其為混沌時(shí)間序列[12]。計(jì)算公交客流量時(shí)間序列最大李雅普諾夫指數(shù)的方法主要有Wolf法、Jacobian法、小數(shù)據(jù)量法等。由于Rosenstein等提出的小數(shù)據(jù)量法[13]計(jì)算量較小、相對(duì)易操作,故本文亦采用此法。采用小數(shù)據(jù)量法計(jì)算公交客流量時(shí)間序列最大李雅普諾夫指數(shù)的前提是計(jì)算該時(shí)間序列的時(shí)間延遲、嵌入維數(shù)。計(jì)算時(shí)間延遲的方法有自相關(guān)法、平均位移法等,計(jì)算嵌入維數(shù)的方法有偽最近鄰域法、Cao方法等。本文分別采用自相關(guān)法[14]、偽最近鄰域法[14]計(jì)算公交客流量時(shí)間序列的時(shí)間延遲、嵌入維數(shù)。

    綜上,我們首先計(jì)算出公交客流量時(shí)間序列的時(shí)間延遲、嵌入維數(shù),然后計(jì)算其最大李雅普諾夫指數(shù),進(jìn)而判定該時(shí)間序列是否具有混沌特性。

    2.2 相空間重構(gòu)

    研究表明,具有混沌特性的公交客流量時(shí)間序列看似是一維時(shí)間序列,但實(shí)際上它包含了高維信息。Packard等[15]認(rèn)為高維相空間中系統(tǒng)任一分量的變化都不是孤立的,它與其他分量之間存在著相關(guān)性。為了讓看似一維的時(shí)間序列再現(xiàn)高維的信息,Packard等還發(fā)展了一套相空間重構(gòu)技術(shù)。對(duì)于一維時(shí)間序列,重構(gòu)的相空間狀態(tài)矢量為[16]:

    3 小波神經(jīng)網(wǎng)絡(luò)

    小波神經(jīng)網(wǎng)絡(luò)是以BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為基礎(chǔ)、小波基函數(shù)作為隱含層節(jié)點(diǎn)的傳遞函數(shù)、輸入信號(hào)前向傳播的同時(shí)誤差信號(hào)反向傳播的神經(jīng)網(wǎng)絡(luò)。

    小波神經(jīng)網(wǎng)絡(luò)權(quán)值參數(shù)修正算法類似于BP神經(jīng)網(wǎng)絡(luò)權(quán)值修正算法,采用梯度修正法修正網(wǎng)絡(luò)的權(quán)值和小波基函數(shù)的參數(shù),從而使小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出不斷逼近期望輸出。

    隱含層節(jié)點(diǎn)數(shù)對(duì)小波神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)性能有很大影響。一般情況下,較多的隱含層節(jié)點(diǎn)數(shù)可以帶來(lái)更好的預(yù)測(cè)性能,但可能導(dǎo)致訓(xùn)練時(shí)間過(guò)長(zhǎng)。目前沒(méi)有一個(gè)理想的解析式可以用來(lái)確定合理的隱含層節(jié)點(diǎn)數(shù),通常的做法是憑借經(jīng)驗(yàn)分析并根據(jù)實(shí)驗(yàn)的預(yù)測(cè)性能對(duì)比給出該值。

    4 混沌-小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型

    基于公交客流量時(shí)間序列的混沌特性以及小波神經(jīng)網(wǎng)絡(luò)方法的優(yōu)越性,本文將二者結(jié)合,建立了混沌-小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,進(jìn)而對(duì)H省某市實(shí)際公交客流量進(jìn)行預(yù)測(cè)。

    本文采用的混沌-小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的流程如圖1所示。

    具體步驟如下:

    圖1 本文模型流程

    Step3 根據(jù)計(jì)算出的最大李雅普諾夫指數(shù),判定該時(shí)間序列是否具有混沌特性。

    5 公交客流量預(yù)測(cè)

    5.1 數(shù)據(jù)來(lái)源

    本文采用的數(shù)據(jù)來(lái)自H省某市6路公交車2015年11月2日(星期一)起連續(xù)8個(gè)星期工作日的全部公交IC卡刷卡記錄。部分公交IC卡刷卡記錄見(jiàn)表1。

    表中列名“kbh”即“卡編號(hào)”,表示乘客乘車刷卡的卡號(hào);列名“xfrq”即“消費(fèi)日期”,表示乘客乘車刷卡的年、月、日;列名“xfsj”即“消費(fèi)時(shí)間”,表示乘客乘車刷卡的時(shí)、分、秒;列名“xlbh”即“線路編號(hào)”,表示乘客乘車的線路號(hào)。

    經(jīng)調(diào)研,該市乘坐6路公交車的人群中,公交IC卡刷卡人次約占總乘車人次的50%,出于研究考慮,本文把公交客流量等同于公交IC卡刷卡量。編程統(tǒng)計(jì)該公交線路每日各時(shí)段的公交IC卡刷卡量。部分統(tǒng)計(jì)出的刷卡量見(jiàn)表2。

    表中從第3列開(kāi)始的列名均表示從該時(shí)刻起連續(xù)15分鐘的時(shí)段,如列名“6:00:00”表示06:00時(shí)段(06:00:00-06:14:59)。

    對(duì)統(tǒng)計(jì)出的刷卡量進(jìn)行分析,選取每日最具代表性的時(shí)段,最終整合成用于研究的公交客流量時(shí)間序列??紤]到實(shí)際需要、預(yù)測(cè)精度等因素,本文選取的數(shù)據(jù)統(tǒng)計(jì)周期為15分鐘;由于早高峰、晚高峰對(duì)公交客流量有較大影響,本文分別選取每日06:00時(shí)段(06:00:00-06:14:59)至11:45時(shí)段(11:45:00-11:59:59)、每日13:00時(shí)段(13:00:00-13:14:59)至18:45時(shí)段(18:45:00-18:59:59)的公交IC卡刷卡量進(jìn)行實(shí)驗(yàn),06:00時(shí)段至11:45時(shí)段簡(jiǎn)記為“上午時(shí)段”、13:00時(shí)段至18:45時(shí)段簡(jiǎn)記為“下午時(shí)段”。綜上所述,共獲得上午時(shí)段公交客流量時(shí)間序列(簡(jiǎn)記為“序列1”)、下午時(shí)段公交客流量時(shí)間序列(簡(jiǎn)記為“序列2”)均為960個(gè)數(shù)據(jù),如圖2(a)、圖2(b)所示。

    表1 部分公交IC卡刷卡記錄

    表2 部分統(tǒng)計(jì)出的刷卡量

    5.2 預(yù)測(cè)過(guò)程

    圖2 公交客流量時(shí)間序列

    5.2.1 數(shù)據(jù)預(yù)處理

    首先,采用自相關(guān)法分別求得序列1、序列2的時(shí)間延遲,該值均為1;采用偽最近鄰域法分別求得序列1、序列2的嵌入維數(shù),該值均為5。據(jù)此,采用小數(shù)據(jù)量法分別求得序列1、序列2的最大李雅普諾夫指數(shù),該值分別為0.2307、0.2117。求得的最大李雅普諾夫指數(shù)均為正,表明序列1、序列2均具有混沌特性。分別對(duì)序列1、序列2進(jìn)行相空間重構(gòu),均得到具有956個(gè)相點(diǎn)、維數(shù)為5的相空間。進(jìn)而構(gòu)造樣本對(duì),均能構(gòu)造出955個(gè)形如的樣本對(duì)。根據(jù)經(jīng)驗(yàn),均取前727個(gè)樣本對(duì)用于訓(xùn)練、后228個(gè)樣本對(duì)用于預(yù)測(cè)。

    5.2.2 小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練

    本文構(gòu)建的小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為“5-8-1”:由于序列1、序列2的嵌入維數(shù)均為5,故輸入層設(shè)置5個(gè)節(jié)點(diǎn);根據(jù)經(jīng)驗(yàn)分析及H省該市6路公交車客流量的特點(diǎn),隱含層設(shè)置8個(gè)節(jié)點(diǎn);無(wú)論是序列1還是序列2,由于每次預(yù)測(cè)的公交客流量的個(gè)數(shù)均為1,故輸出層設(shè)置1個(gè)節(jié)點(diǎn)。小波神經(jīng)網(wǎng)絡(luò)的初始權(quán)值憑借經(jīng)驗(yàn)設(shè)置為(-2.4/F, 2.4/F)間均勻分布的隨機(jī)數(shù),其中F為權(quán)值輸入端連接的神經(jīng)元的個(gè)數(shù)。小波基函數(shù)的伸縮因子、平移因子在參數(shù)初始化時(shí)隨機(jī)得到。對(duì)訓(xùn)練樣本對(duì)進(jìn)行歸一化處理,以便提高收斂速度、縮短訓(xùn)練時(shí)間。然后用歸一化后的數(shù)據(jù)訓(xùn)練小波神經(jīng)網(wǎng)絡(luò),網(wǎng)絡(luò)反復(fù)訓(xùn)練100次。

    5.2.3 小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)

    接下來(lái),用訓(xùn)練好的模型預(yù)測(cè)公交客流量。序列1、序列2的預(yù)測(cè)效果如圖3、圖4所示。

    5.3 預(yù)測(cè)效果分析

    為驗(yàn)證本文方法的有效性,建立當(dāng)前研究最多且發(fā)展最快的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型、LIBSVM預(yù)測(cè)模型進(jìn)行對(duì)比實(shí)驗(yàn)。本文研究中,使用均方誤差(Mean Square Error,MSE)、平均絕對(duì)誤差(Mean Absolute Error,MAE)、平均相對(duì)誤差(Mean Relative Error,MRE)這三個(gè)評(píng)價(jià)指標(biāo)來(lái)評(píng)估不同模型的預(yù)測(cè)性能。MSE、MAE、MRE的值越小就越說(shuō)明相應(yīng)模型的結(jié)構(gòu)合理且預(yù)測(cè)精度高。以上三個(gè)評(píng)價(jià)指標(biāo)的計(jì)算公式為:

    由表3可知,與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型、LIBSVM預(yù)測(cè)模型相比,無(wú)論是序列1還是序列2,本文采用的混沌-小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型在MSE、MAE、MRE這三個(gè)評(píng)價(jià)指標(biāo)上均具有更小的預(yù)測(cè)誤差,即說(shuō)明預(yù)測(cè)效果更好,因此更適合于公交客流量預(yù)測(cè)。

    圖3 序列1的預(yù)測(cè)效果

    圖4 序列2的預(yù)測(cè)效果

    表3 不同模型的預(yù)測(cè)性能對(duì)比

    6 結(jié)束語(yǔ)

    本文研究利用了公交客流量時(shí)間序列的混沌特性和小波神經(jīng)網(wǎng)絡(luò)方法相結(jié)合進(jìn)行公交客流量預(yù)測(cè)的方法。根據(jù)混沌理論,通過(guò)相空間重構(gòu)將公交客流量時(shí)間序列映射到m維特征空間形成相點(diǎn)并構(gòu)造樣本對(duì),解決了樣本對(duì)確定的問(wèn)題,進(jìn)而建立混沌-小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,最終實(shí)現(xiàn)對(duì)H省某市實(shí)際公交客流量的預(yù)測(cè)。研究結(jié)果表明,與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型、LIBSVM預(yù)測(cè)模型相比,本文模型具有更好的預(yù)測(cè)性能,更適合于公交客流量預(yù)測(cè)。

    [ 1 ] 中華人民共和國(guó)中央人民政府.國(guó)務(wù)院關(guān)于城市優(yōu)先發(fā)展公共交通的指導(dǎo)意見(jiàn)[EB/OL].2013-01-05[2017-01- 06].

    [ 2 ] 顧楊,韓印,方雪麗.基于ARMA模型的公交樞紐站客流量預(yù)測(cè)方法研究[J].交通信息與安全,2011,29(2):5-9.

    [ 3 ] 米根鎖,梁利,楊潤(rùn)霞.灰色變異粒子群算法在公交客流量預(yù)測(cè)中的應(yīng)用[J].計(jì)算機(jī)工程與科學(xué),2015,37(1):104-110.

    [ 4 ] 陸百川,鄧捷,馬慶祿,等.基于IC卡和RBF神經(jīng)網(wǎng)絡(luò)的短時(shí)公交客流量預(yù)測(cè)[J].重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版),2015,34(6):106-110.

    [ 5 ] 米根鎖,梁利,楊潤(rùn)霞.灰色變異粒子群算法在公交客流量預(yù)測(cè)中的應(yīng)用[J].計(jì)算機(jī)工程與科學(xué),2015,37(1):104-110.

    [ 6 ] 劉翠,張艷青,陳洪仁.基于BP神經(jīng)網(wǎng)絡(luò)的公交線路站點(diǎn)時(shí)段上下車人數(shù)預(yù)測(cè)模型[J].交通標(biāo)準(zhǔn)化,2008(5):186-189.

    [ 7 ] 薛向紅,薛小鋒.基于相空間重構(gòu)-SVM的公交客流量預(yù)測(cè)研究[J].江蘇理工學(xué)院學(xué)報(bào),2010,16(9):24-28.

    [ 8 ] 田中大,李樹(shù)江,王艷紅,等.短期風(fēng)速時(shí)間序列混沌特性分析及預(yù)測(cè)[J].物理學(xué)報(bào),2015,64(3):236-247.

    [ 9 ] Yu H.Network traffic prediction based on wavelet analysis and hopfield neural network[J].Computer Applications amp; Software,2013,30(6):246-249.

    [ 10 ] 秦劍,王建平,張崇?。谙嗫臻g重構(gòu)小波神經(jīng)網(wǎng)絡(luò)的短期風(fēng)速預(yù)測(cè)[J].電子測(cè)量與儀器學(xué)報(bào),2012,26(3):236-241.

    [ 11 ] 陳帝伊,柳燁,馬孝義.基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的混沌時(shí)間序列相空間重構(gòu)雙參數(shù)聯(lián)合估計(jì)[J].物理學(xué)報(bào),2012,61(10):22-31.

    [ 12 ] 朱順應(yīng),王紅,向紅艷,等.交通流參數(shù)及交通事件動(dòng)態(tài)預(yù)測(cè)方法[M].南京:東南大學(xué)出版社,2008.

    [ 13 ] Rosenstein M,Collins J,De Luca C.A practical method for calculating largest Lyapunov exponents from small data sets[J].Physica D-nonlinear Phenomena,1993,65(1-2):117-134.

    [ 14 ] 韓敏.混沌時(shí)間序列預(yù)測(cè)理論與方法[M].北京:中國(guó)水利水電出版社,2007.

    [ 15 ] Packard N,Crutchfield J,F(xiàn)armer J,et al.Geometry from a time series[J].Physical Review Letters,1980,45(9):712.

    [ 16 ] 姜愛(ài)萍.混沌時(shí)間序列的小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法及其優(yōu)化研究[M].上海:上海大學(xué)出版社,2013.

    [ 17 ] 羅赟騫,夏靖波,王煥彬.混沌-支持向量機(jī)回歸在流量預(yù)測(cè)中的應(yīng)用研究[J].計(jì)算機(jī)科學(xué),2009,36(7):244-246.

    [ 18 ] 王小川,史峰,郁磊,等.MATLAB神經(jīng)網(wǎng)絡(luò)43個(gè)案例分析[M].北京:北京航空航天大學(xué)出版社,2013.

    Research of Public Transportation Passenger Volume Prediction Model Based on Chaos-wavelet Neural Network

    Fan Lilin1,2Fu Tianyang1Sun Lanbin3Zhang Guangzhen3Xu Ming3
    (1.College of Computer and Information Engineering, Henan Normal University, Xinxiang 453007;2.Computational Intelligence and Data Mining Engineering Technology Research Center of Colleges and Universities in Henan Province, Xinxiang 453007;3.Xinxiang City Public Transportation Corporation, Xinxiang 453000)

    In order to improve the accuracy of public transportation passenger volume prediction, this article integrates chaos theory and wavelet neural network method into the prediction. We deploy autocorrelation method and false nearest neighbor domain method to calculate the delay time and embedding dimension of the public transportation passenger volume time series. After that, by utilizing small data sets method, we obtain its largest Lyapunov exponent and then the chaotic characteristic of the time series is proved. According to this, we establish the chaos-wavelet neural network prediction model to predict the actual public transportation passenger volume. Finally, by applying our method on the real data set from some city of H Province, the experimental results demonstrate that our approach achieves the smaller prediction error on Mean Square Error (MSE), Mean Absolute Error (MAE) and Mean Relative Error (MRE) compared with the traditional prediction methods, such as BP neural network and LIBSVM. So it is able to predict public transportation passenger volume effectively.

    chaos; wavelet neural network; public transportation passenger volume prediction

    猜你喜歡
    相空間刷卡客流量
    束團(tuán)相空間分布重建技術(shù)在西安200 MeV質(zhì)子應(yīng)用裝置的應(yīng)用
    基于嵌入式系統(tǒng)的商場(chǎng)客流量統(tǒng)計(jì)算法
    刷卡
    非對(duì)易空間中的三維諧振子Wigner函數(shù)
    基于AFC數(shù)據(jù)的城軌站間客流量分布預(yù)測(cè)
    成長(zhǎng)日記
    基于相空間重構(gòu)的電磁繼電器電性能參數(shù)預(yù)測(cè)研究
    刷臉就可以購(gòu)物
    奧秘(2014年8期)2014-08-30 06:32:04
    相空間重構(gòu)和支持向量機(jī)結(jié)合的電力負(fù)荷預(yù)測(cè)模型研究
    從客流量推算公交出行PA矩陣的方法
    久久99热6这里只有精品| 交换朋友夫妻互换小说| 亚洲综合色惰| 国精品久久久久久国模美| 最近2019中文字幕mv第一页| 亚洲人成网站在线观看播放| 一级,二级,三级黄色视频| 国产成人精品婷婷| 老司机影院成人| 乱码一卡2卡4卡精品| 亚洲在久久综合| 这个男人来自地球电影免费观看 | 熟女人妻精品中文字幕| 久久久a久久爽久久v久久| 色5月婷婷丁香| 日韩av在线免费看完整版不卡| 又粗又硬又长又爽又黄的视频| 亚洲国产最新在线播放| 日本91视频免费播放| 国产免费现黄频在线看| 女人精品久久久久毛片| 热99国产精品久久久久久7| 久久精品国产鲁丝片午夜精品| 岛国毛片在线播放| 亚洲欧洲国产日韩| 国模一区二区三区四区视频| 十八禁高潮呻吟视频| 久久精品国产亚洲av涩爱| 久久99精品国语久久久| 伦理电影免费视频| 国产亚洲一区二区精品| 在线精品无人区一区二区三| 成人黄色视频免费在线看| 成人18禁高潮啪啪吃奶动态图 | 午夜福利在线观看免费完整高清在| 亚洲美女视频黄频| 久久国产亚洲av麻豆专区| 亚洲精品456在线播放app| 亚洲性久久影院| freevideosex欧美| 91久久精品国产一区二区三区| 黄色毛片三级朝国网站| 天堂8中文在线网| 99九九线精品视频在线观看视频| 桃花免费在线播放| 性色avwww在线观看| 久久精品国产鲁丝片午夜精品| 亚洲经典国产精华液单| 成人国产av品久久久| 日韩熟女老妇一区二区性免费视频| 黄片无遮挡物在线观看| 午夜免费鲁丝| 少妇人妻精品综合一区二区| 久久毛片免费看一区二区三区| av网站免费在线观看视频| 中文精品一卡2卡3卡4更新| 色婷婷久久久亚洲欧美| 99久久精品一区二区三区| 欧美精品人与动牲交sv欧美| 国产高清国产精品国产三级| 亚洲成人一二三区av| 99re6热这里在线精品视频| 日本av免费视频播放| 日韩成人av中文字幕在线观看| 久久精品久久久久久久性| 日韩成人伦理影院| 亚洲色图 男人天堂 中文字幕 | av电影中文网址| 极品少妇高潮喷水抽搐| 免费观看在线日韩| 97在线视频观看| 亚洲欧美一区二区三区国产| 亚洲,欧美,日韩| 国产午夜精品久久久久久一区二区三区| 亚洲国产精品一区三区| 嘟嘟电影网在线观看| 免费看光身美女| 一区在线观看完整版| 国精品久久久久久国模美| 99热这里只有精品一区| 日本-黄色视频高清免费观看| 亚洲精品乱久久久久久| 午夜激情福利司机影院| 亚洲久久久国产精品| 亚洲天堂av无毛| 国产高清有码在线观看视频| 精品人妻一区二区三区麻豆| 三级国产精品欧美在线观看| 亚洲国产精品一区三区| 亚洲国产精品国产精品| 久久热精品热| 午夜免费鲁丝| 久久久国产欧美日韩av| 交换朋友夫妻互换小说| 91在线精品国自产拍蜜月| 18禁观看日本| 永久网站在线| 久久午夜综合久久蜜桃| 免费黄网站久久成人精品| 国产男女超爽视频在线观看| 午夜激情久久久久久久| 国产69精品久久久久777片| 国产探花极品一区二区| 色婷婷av一区二区三区视频| 精品人妻熟女av久视频| www.av在线官网国产| 精品一区二区免费观看| 简卡轻食公司| 国产精品99久久久久久久久| 七月丁香在线播放| 在线免费观看不下载黄p国产| 久久亚洲国产成人精品v| 中文欧美无线码| 久久99热这里只频精品6学生| 午夜精品国产一区二区电影| 亚洲欧美精品自产自拍| 人人澡人人妻人| 欧美日韩亚洲高清精品| 人妻夜夜爽99麻豆av| 男女国产视频网站| 婷婷成人精品国产| 欧美三级亚洲精品| 欧美少妇被猛烈插入视频| a级毛色黄片| 欧美日本中文国产一区发布| 亚洲欧洲国产日韩| 国内精品宾馆在线| 欧美人与善性xxx| 国产欧美日韩综合在线一区二区| 女性被躁到高潮视频| 赤兔流量卡办理| 91国产中文字幕| 91久久精品国产一区二区成人| 丁香六月天网| 在线观看免费日韩欧美大片 | 国产免费一级a男人的天堂| 多毛熟女@视频| 99热这里只有是精品在线观看| 久久鲁丝午夜福利片| 国产一区二区在线观看av| 大香蕉97超碰在线| 18+在线观看网站| 日本色播在线视频| 五月天丁香电影| 热99久久久久精品小说推荐| 九九久久精品国产亚洲av麻豆| 一区二区三区乱码不卡18| 精品视频人人做人人爽| 少妇人妻 视频| 最近手机中文字幕大全| 亚洲在久久综合| 亚洲国产精品专区欧美| 久久精品国产亚洲网站| 日韩熟女老妇一区二区性免费视频| 免费不卡的大黄色大毛片视频在线观看| 国产精品99久久99久久久不卡 | 免费日韩欧美在线观看| 国产探花极品一区二区| 欧美精品国产亚洲| 在线观看www视频免费| 日韩熟女老妇一区二区性免费视频| 爱豆传媒免费全集在线观看| 少妇人妻精品综合一区二区| 精品国产露脸久久av麻豆| 免费久久久久久久精品成人欧美视频 | 美女主播在线视频| 春色校园在线视频观看| 99re6热这里在线精品视频| av免费在线看不卡| 欧美丝袜亚洲另类| 日本免费在线观看一区| 日本av手机在线免费观看| 涩涩av久久男人的天堂| av免费观看日本| 一本大道久久a久久精品| 热99久久久久精品小说推荐| 亚洲国产av影院在线观看| 免费日韩欧美在线观看| 日韩熟女老妇一区二区性免费视频| 美女内射精品一级片tv| 精品亚洲成a人片在线观看| 日韩av不卡免费在线播放| 久久青草综合色| 老熟女久久久| 欧美精品一区二区免费开放| 2021少妇久久久久久久久久久| 国产精品人妻久久久久久| 免费播放大片免费观看视频在线观看| 久久久久精品性色| .国产精品久久| 日本猛色少妇xxxxx猛交久久| 欧美亚洲日本最大视频资源| 国产免费一级a男人的天堂| 观看美女的网站| tube8黄色片| 久久久午夜欧美精品| 嫩草影院入口| 人妻一区二区av| 女人精品久久久久毛片| 国产欧美日韩一区二区三区在线 | 国产日韩欧美视频二区| 精品熟女少妇av免费看| 亚洲精品久久午夜乱码| 人妻 亚洲 视频| 婷婷色综合大香蕉| 亚洲精品第二区| 亚洲av二区三区四区| 久久久精品94久久精品| 乱码一卡2卡4卡精品| 只有这里有精品99| 人妻少妇偷人精品九色| 国产av码专区亚洲av| 国产片内射在线| 日日啪夜夜爽| 久久99精品国语久久久| 黄色视频在线播放观看不卡| 国产成人freesex在线| 日日撸夜夜添| 青春草国产在线视频| 插逼视频在线观看| 校园人妻丝袜中文字幕| 青春草视频在线免费观看| 午夜av观看不卡| 亚洲四区av| 人妻一区二区av| av又黄又爽大尺度在线免费看| 亚洲av综合色区一区| 日本-黄色视频高清免费观看| 黑人欧美特级aaaaaa片| 亚洲丝袜综合中文字幕| 九九久久精品国产亚洲av麻豆| 午夜激情福利司机影院| 肉色欧美久久久久久久蜜桃| 免费大片18禁| 赤兔流量卡办理| 菩萨蛮人人尽说江南好唐韦庄| 少妇人妻精品综合一区二区| 成年美女黄网站色视频大全免费 | 夜夜看夜夜爽夜夜摸| 在线观看美女被高潮喷水网站| 欧美精品高潮呻吟av久久| 亚洲天堂av无毛| 人妻少妇偷人精品九色| 中文字幕人妻丝袜制服| 亚洲婷婷狠狠爱综合网| 国产成人精品福利久久| 在线观看美女被高潮喷水网站| 日韩视频在线欧美| 美女国产视频在线观看| 内地一区二区视频在线| 日本色播在线视频| 性色av一级| 午夜福利网站1000一区二区三区| 啦啦啦中文免费视频观看日本| 日韩视频在线欧美| 黑人高潮一二区| 欧美日韩亚洲高清精品| 如日韩欧美国产精品一区二区三区 | tube8黄色片| 日本与韩国留学比较| 国产片特级美女逼逼视频| 久久久国产精品麻豆| 狂野欧美激情性xxxx在线观看| 国产精品麻豆人妻色哟哟久久| 日产精品乱码卡一卡2卡三| 在现免费观看毛片| 精品国产露脸久久av麻豆| 久久青草综合色| 免费看不卡的av| 国产欧美另类精品又又久久亚洲欧美| 18禁观看日本| 少妇被粗大猛烈的视频| 久久99热6这里只有精品| 成人毛片60女人毛片免费| 国产精品久久久久久av不卡| 国产在线视频一区二区| 伦理电影免费视频| 日韩欧美一区视频在线观看| 少妇人妻久久综合中文| av线在线观看网站| 日本色播在线视频| 婷婷成人精品国产| 欧美日韩在线观看h| 中文乱码字字幕精品一区二区三区| 国产亚洲精品第一综合不卡 | 亚洲av福利一区| a级毛片黄视频| 久久av网站| 2018国产大陆天天弄谢| 欧美97在线视频| 国产伦精品一区二区三区视频9| 国产精品一二三区在线看| 伊人亚洲综合成人网| videossex国产| 久久久久久久久久成人| av天堂久久9| 亚洲第一av免费看| 桃花免费在线播放| 内地一区二区视频在线| 一区在线观看完整版| 亚洲五月色婷婷综合| 永久网站在线| 在现免费观看毛片| 九九在线视频观看精品| 国产免费一区二区三区四区乱码| 亚洲成色77777| 最近中文字幕高清免费大全6| 97超碰精品成人国产| 日本猛色少妇xxxxx猛交久久| 少妇精品久久久久久久| 成人国产麻豆网| 久久精品久久久久久久性| 亚洲激情五月婷婷啪啪| 狂野欧美白嫩少妇大欣赏| 天堂中文最新版在线下载| 精品少妇内射三级| 亚洲人成77777在线视频| av国产精品久久久久影院| 久久av网站| 国产片内射在线| 亚洲三级黄色毛片| 午夜激情久久久久久久| 精品一区二区三卡| 啦啦啦在线观看免费高清www| 中文字幕免费在线视频6| 欧美精品一区二区免费开放| 欧美丝袜亚洲另类| 男人操女人黄网站| 如何舔出高潮| 亚洲熟女精品中文字幕| 少妇熟女欧美另类| 亚洲精品亚洲一区二区| 97精品久久久久久久久久精品| 成人毛片60女人毛片免费| 免费观看的影片在线观看| 欧美日韩综合久久久久久| 亚洲欧美日韩卡通动漫| 黄色一级大片看看| 卡戴珊不雅视频在线播放| 精品人妻熟女毛片av久久网站| 美女xxoo啪啪120秒动态图| 少妇被粗大的猛进出69影院 | 日本av手机在线免费观看| 亚洲性久久影院| 亚洲欧洲精品一区二区精品久久久 | 免费高清在线观看日韩| 国产欧美日韩综合在线一区二区| 国产精品久久久久久精品古装| 欧美日韩成人在线一区二区| 韩国av在线不卡| 久久免费观看电影| 最近2019中文字幕mv第一页| 交换朋友夫妻互换小说| 日韩 亚洲 欧美在线| 人成视频在线观看免费观看| 狂野欧美白嫩少妇大欣赏| 天天躁夜夜躁狠狠久久av| 欧美日韩av久久| 三级国产精品欧美在线观看| 美女内射精品一级片tv| 熟女电影av网| 国产精品久久久久成人av| 99视频精品全部免费 在线| 国产免费视频播放在线视频| 国产白丝娇喘喷水9色精品| 亚洲精品av麻豆狂野| 免费大片黄手机在线观看| 国产黄片视频在线免费观看| av有码第一页| 大片免费播放器 马上看| 久久女婷五月综合色啪小说| 亚洲国产最新在线播放| 日本黄大片高清| 久久久久网色| 视频在线观看一区二区三区| 久久久精品区二区三区| 制服诱惑二区| 免费黄网站久久成人精品| 亚洲欧美成人综合另类久久久| 18禁观看日本| av免费在线看不卡| 男人添女人高潮全过程视频| 男女国产视频网站| 在线精品无人区一区二区三| 少妇猛男粗大的猛烈进出视频| 国产在线免费精品| 亚洲婷婷狠狠爱综合网| 免费观看在线日韩| a 毛片基地| 一级,二级,三级黄色视频| 亚洲五月色婷婷综合| 久久99精品国语久久久| 女的被弄到高潮叫床怎么办| 精品一区二区免费观看| 国产成人精品一,二区| 一级片'在线观看视频| 一区二区日韩欧美中文字幕 | 久久久精品94久久精品| 如何舔出高潮| 午夜91福利影院| 97在线人人人人妻| 久久久久久久久久久久大奶| 久久国内精品自在自线图片| 99视频精品全部免费 在线| 精品国产国语对白av| 伦理电影大哥的女人| 色视频在线一区二区三区| 97超碰精品成人国产| 欧美精品国产亚洲| 久久精品国产鲁丝片午夜精品| 日韩中字成人| 成人二区视频| 欧美日韩在线观看h| 日韩一区二区三区影片| 中文天堂在线官网| 久久国内精品自在自线图片| 久久久久久久亚洲中文字幕| 人妻夜夜爽99麻豆av| 精品少妇内射三级| 国产毛片在线视频| 国产精品免费大片| 高清毛片免费看| 3wmmmm亚洲av在线观看| 简卡轻食公司| 国产女主播在线喷水免费视频网站| 亚洲四区av| 国产白丝娇喘喷水9色精品| 大片电影免费在线观看免费| 自线自在国产av| 欧美亚洲 丝袜 人妻 在线| av卡一久久| 伦精品一区二区三区| 国产精品秋霞免费鲁丝片| 青春草国产在线视频| 人妻制服诱惑在线中文字幕| 亚洲内射少妇av| 久久久久久人妻| 国产永久视频网站| 久久 成人 亚洲| 久久久精品免费免费高清| 国产一区二区在线观看av| 午夜激情av网站| 不卡视频在线观看欧美| 亚洲一级一片aⅴ在线观看| 亚洲精品456在线播放app| 亚洲精品亚洲一区二区| 午夜老司机福利剧场| 亚洲成人av在线免费| av不卡在线播放| 亚洲精品乱码久久久久久按摩| 欧美丝袜亚洲另类| 日本vs欧美在线观看视频| 欧美精品高潮呻吟av久久| 免费av中文字幕在线| 久久久久久久久久成人| 能在线免费看毛片的网站| 亚洲国产精品一区二区三区在线| 欧美日韩国产mv在线观看视频| 亚洲成色77777| 亚洲四区av| 国产黄色免费在线视频| 99热这里只有精品一区| 午夜激情久久久久久久| 欧美人与善性xxx| 美女内射精品一级片tv| 交换朋友夫妻互换小说| 成人二区视频| 亚洲一级一片aⅴ在线观看| 两个人免费观看高清视频| 校园人妻丝袜中文字幕| 夜夜看夜夜爽夜夜摸| 狂野欧美白嫩少妇大欣赏| 哪个播放器可以免费观看大片| 亚洲精品一区蜜桃| 日韩av免费高清视频| 亚洲国产精品999| 一二三四中文在线观看免费高清| 99视频精品全部免费 在线| 国产精品99久久99久久久不卡 | 熟女人妻精品中文字幕| 亚洲熟女精品中文字幕| 久久久a久久爽久久v久久| 久久久精品94久久精品| 成人免费观看视频高清| 日韩亚洲欧美综合| 国产精品偷伦视频观看了| 丝瓜视频免费看黄片| 亚洲精品乱久久久久久| 97超碰精品成人国产| 久久国产亚洲av麻豆专区| 日本-黄色视频高清免费观看| 亚洲精品成人av观看孕妇| 国产精品一国产av| 又黄又爽又刺激的免费视频.| av天堂久久9| 亚洲经典国产精华液单| 九色亚洲精品在线播放| 欧美bdsm另类| 亚洲第一av免费看| 人人妻人人添人人爽欧美一区卜| 久久久久久久久久人人人人人人| 人妻少妇偷人精品九色| 久久精品久久久久久噜噜老黄| 日韩视频在线欧美| av国产精品久久久久影院| 日本-黄色视频高清免费观看| 建设人人有责人人尽责人人享有的| 人人妻人人澡人人看| 久久精品熟女亚洲av麻豆精品| 校园人妻丝袜中文字幕| 日本黄大片高清| 亚洲成人一二三区av| 日韩大片免费观看网站| 亚洲无线观看免费| 最近手机中文字幕大全| av播播在线观看一区| 精品亚洲成国产av| 欧美性感艳星| 人体艺术视频欧美日本| 国产视频内射| 99久久中文字幕三级久久日本| 亚洲精品一二三| 99久久综合免费| 欧美精品人与动牲交sv欧美| 18禁观看日本| 夫妻午夜视频| 国产精品一区二区在线观看99| 日韩 亚洲 欧美在线| 日韩精品有码人妻一区| 一级毛片aaaaaa免费看小| av国产精品久久久久影院| 满18在线观看网站| 国产精品久久久久久精品古装| 国产欧美另类精品又又久久亚洲欧美| 亚洲在久久综合| 老司机亚洲免费影院| 精品人妻偷拍中文字幕| 韩国高清视频一区二区三区| 国产欧美日韩综合在线一区二区| 久久婷婷青草| 男男h啪啪无遮挡| 久久久亚洲精品成人影院| 99热这里只有精品一区| 久久久精品94久久精品| 久久久久久久久久人人人人人人| 三级国产精品片| 中国三级夫妇交换| 亚洲在久久综合| a级毛片黄视频| 最新中文字幕久久久久| 少妇被粗大的猛进出69影院 | 九色亚洲精品在线播放| 国产一区二区在线观看av| 蜜桃在线观看..| 午夜福利影视在线免费观看| 国产午夜精品久久久久久一区二区三区| 亚洲国产毛片av蜜桃av| 观看美女的网站| 久久99一区二区三区| 欧美 日韩 精品 国产| 国产精品免费大片| 国产成人精品在线电影| 少妇熟女欧美另类| 爱豆传媒免费全集在线观看| 亚洲国产日韩一区二区| 国产成人aa在线观看| 精品一区二区免费观看| 色5月婷婷丁香| 一本一本综合久久| 久久久久精品久久久久真实原创| 久久久久久久亚洲中文字幕| 国产高清有码在线观看视频| 日韩一本色道免费dvd| 高清在线视频一区二区三区| 制服人妻中文乱码| 夜夜看夜夜爽夜夜摸| 如何舔出高潮| 丰满乱子伦码专区| 99视频精品全部免费 在线| 亚洲精品中文字幕在线视频| 亚洲内射少妇av| 国产男女超爽视频在线观看| 日本黄色片子视频| 久久久国产一区二区| 国产成人精品在线电影| 日本黄色片子视频| 2018国产大陆天天弄谢| 老司机影院毛片| 免费看av在线观看网站| 日韩av免费高清视频| 免费高清在线观看日韩| 亚洲av综合色区一区| 午夜久久久在线观看| 久久久久久久久久人人人人人人| 亚洲av综合色区一区| 精品久久国产蜜桃| 插逼视频在线观看| 特大巨黑吊av在线直播| 国产视频首页在线观看| 欧美日韩一区二区视频在线观看视频在线| 亚洲国产欧美日韩在线播放| 男女边吃奶边做爰视频| 黑丝袜美女国产一区| 国产一级毛片在线| av一本久久久久| 亚洲欧美精品自产自拍| 亚洲不卡免费看| 欧美日韩视频高清一区二区三区二| 纵有疾风起免费观看全集完整版| 久久久久久久久久久丰满| 视频中文字幕在线观看| 久久久久久久久久久久大奶| 老女人水多毛片| 国产av国产精品国产| av在线观看视频网站免费|