公交客流数据填补与短时客流预测方法研究
发布时间：2022-02-24 06:08
随着科学技术不断进步,公交客流数据在不断地积累,这些客流数据中存在不少缺失或者损坏的问题。公交客流数据能够准确地分析和应用是智能公交调度的基础,在智能公交调度与控制中起着重要的作用。为了能给公交调度人员提供准确的公交客流数据,指导公交调度的顺利进行,研究公交客流缺失数据填补和在此基础上的公交客流短时预测方法是非常有必要的。提升公交客流缺失数据的填补精度,利用填补好的客流数据进行短时客流预测,提升预测的准确度,是本文想要达到的目标。本文选择机器学习相关算法对公交客流数据进行研究,针对原始数据中含缺失数据的问题,本文提出利用NN-DSAE组合模型进行缺失数据的填补,在此基础上,为了更好地提升短时客流预测的准确度,本文提出基于LSTM网络和决策树组合模型用于短时公交客流的预测。本文在描述公交客流缺失数据填补模型过程中,对NN（邻域）、AE（自编码器）、DAE（降噪自编码器）和DSAE（堆叠降噪自编码器）进行分析,采用邻域-降噪堆叠自编码器的客流缺失数据填补方法。NN-DSAE组合模型首先对公交客流数据进行分析,在此基础上改进缺失值的邻域范围,提升寻找缺失值邻域的效率,将找出的邻域矩阵作为堆叠...
【文章来源】：大连海事大学辽宁省211工程院校
【文章页数】：92 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 课题研究背景及意义
1.2 缺失数据填补与短时客流预测研究现状
1.2.1 数据缺失填补研究现状
1.2.2 短时客流预测研究现状
1.3 研究框架与组织结构
1.4 本章小结
2 缺失数据填补理论基础
2.1 数据清洗
2.2 缺失数据的产生及影响
2.3 缺失机制与缺失模式
2.4 缺失数据填补方法
2.4.1 回归模型填补算法
2.4.2 基于EM填补算法
2.4.3 基于MVC填补算法
2.4.4 基于KNNI填补算法
2.4.5 多重填补算法
2.5 公交客流数据来源
2.6 本章小结
3 基于NN-DSAE的缺失数据填补方法
3.1 自编码器
3.2 降噪自编码器
3.3 降噪堆叠自编码器
3.4 基于NN-DSAE客流缺失数据填补算法
3.5 基于NN-DSAE的公交客流缺失数据填补方法实验分析
3.5.1 评价指标
3.5.2 模型参数确定
3.5.3 缺失数据填补结果及分析
3.6 本章小结
4 基于小波函数的客流数据分解
4.1 小波分析原理
4.1.1 小波变换
4.1.2 多分辨率分析
4.1.3 小波重构
4.2 小波函数选取
4.2.1 小波基函数
4.2.2 小波基性能比较
4.3 小波阈值去噪
4.3.1 小波阈值去噪的原理分析
4.3.2 小波阈值函数的选取方式
4.3.3 阈值选取方法
4.4 本章小结
5 基于LSTM网络和决策树的短时公交客流预测方法
5.1 LSTM神经网络
5.2 LSTM网络构建公交客流均匀部分预测模型
5.3 决策树模型
5.3.1 线性回归
5.3.2 非线性回归
5.3.3 属性选择度量
5.4 构建LSTM-决策树组合模型
5.5 基于LSTM网络和决策树的短时公交客流预测方法实验验证
5.5.1 基于LSTM网络的短时公交客流均匀部分预测
5.5.2 基于决策树的短时公交客流随机部分预测
5.5.3 基于组合模型的短时公交客流预测
5.6 本章小结
结论
参考文献
致谢
作者简历及攻读硕士学位期间的科研成果
【参考文献】：
期刊论文
[1]基本风速预测中缺失历史数据的修订方法[J]. 项程,陈艾荣,李其恒,马如进. 南京工业大学学报(自然科学版). 2019(06)
[2]中值滤波结合小波变换在光谱去噪中的应用[J]. 龚梦龙. 科技与创新. 2018(12)
[3]基于K-means和近邻回归算法的Kinect植株深度图像修复[J]. 沈跃,徐慧,刘慧,李宁. 农业工程学报. 2016(19)
[4]基于Hadoop架构的多重分布式BP神经网络的短期负荷预测方法[J]. 苏学能,刘天琪,曹鸿谦,焦慧明,于亚光,何川,沈骥. 中国电机工程学报. 2017(17)
[5]基于决策树的煤化工污染物定量化溯源研究[J]. 郏奎奎,刘海滨. 环境工程. 2016(S1)
[6]马尔科夫理论的优化灰色模型预测建模[J]. 李克昭,李志伟,赵磊杰. 测绘科学. 2016(08)
[7]基于EMD-BPN方法的高速铁路短期客流预测[J]. 曹承,梁院生. 交通科技与经济. 2015(01)
[8]非完整约束下滤波算法在组合导航中的应用[J]. 郭俊鸽,郭杭,洪海斌. 计算机工程与应用. 2015(24)
[9]一种基于小波变换的LTE系统下行链路信道估计算法[J]. 马项楠,余立建. 西南科技大学学报. 2011(04)
[10]期望值优化法在项目风险决策中的应用[J]. 殷焕武,张铁山. 技术经济与管理研究. 2006(02)
博士论文
[1]深度学习模型的高效训练算法研究[D]. 陈凯.中国科学技术大学 2016
硕士论文
[1]基于卷积神经网络的车牌识别技术研究[D]. 霍祥湖.电子科技大学 2017
[2]公交客流实时分析与短时预测研究[D]. 董海洋.大连理工大学 2013
[3]基于小波变换的交通流短时预测模型研究[D]. 曹征.北京交通大学 2010
[4]不完备信息系统中数据挖掘的粗糙集方法[D]. 梁美莲.广西大学 2005
本文编号：3642136
【文章来源】：大连海事大学辽宁省211工程院校
【文章页数】：92 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 课题研究背景及意义
1.2 缺失数据填补与短时客流预测研究现状
1.2.1 数据缺失填补研究现状
1.2.2 短时客流预测研究现状
1.3 研究框架与组织结构
1.4 本章小结
2 缺失数据填补理论基础
2.1 数据清洗
2.2 缺失数据的产生及影响
2.3 缺失机制与缺失模式
2.4 缺失数据填补方法
2.4.1 回归模型填补算法
2.4.2 基于EM填补算法
2.4.3 基于MVC填补算法
2.4.4 基于KNNI填补算法
2.4.5 多重填补算法
2.5 公交客流数据来源
2.6 本章小结
3 基于NN-DSAE的缺失数据填补方法
3.1 自编码器
3.2 降噪自编码器
3.3 降噪堆叠自编码器
3.4 基于NN-DSAE客流缺失数据填补算法
3.5 基于NN-DSAE的公交客流缺失数据填补方法实验分析
3.5.1 评价指标
3.5.2 模型参数确定
3.5.3 缺失数据填补结果及分析
3.6 本章小结
4 基于小波函数的客流数据分解
4.1 小波分析原理
4.1.1 小波变换
4.1.2 多分辨率分析
4.1.3 小波重构
4.2 小波函数选取
4.2.1 小波基函数
4.2.2 小波基性能比较
4.3 小波阈值去噪
4.3.1 小波阈值去噪的原理分析
4.3.2 小波阈值函数的选取方式
4.3.3 阈值选取方法
4.4 本章小结
5 基于LSTM网络和决策树的短时公交客流预测方法
5.1 LSTM神经网络
5.2 LSTM网络构建公交客流均匀部分预测模型
5.3 决策树模型
5.3.1 线性回归
5.3.2 非线性回归
5.3.3 属性选择度量
5.4 构建LSTM-决策树组合模型
5.5 基于LSTM网络和决策树的短时公交客流预测方法实验验证
5.5.1 基于LSTM网络的短时公交客流均匀部分预测
5.5.2 基于决策树的短时公交客流随机部分预测
5.5.3 基于组合模型的短时公交客流预测
5.6 本章小结
结论
参考文献
致谢
作者简历及攻读硕士学位期间的科研成果
【参考文献】：
期刊论文
[1]基本风速预测中缺失历史数据的修订方法[J]. 项程,陈艾荣,李其恒,马如进. 南京工业大学学报(自然科学版). 2019(06)
[2]中值滤波结合小波变换在光谱去噪中的应用[J]. 龚梦龙. 科技与创新. 2018(12)
[3]基于K-means和近邻回归算法的Kinect植株深度图像修复[J]. 沈跃,徐慧,刘慧,李宁. 农业工程学报. 2016(19)
[4]基于Hadoop架构的多重分布式BP神经网络的短期负荷预测方法[J]. 苏学能,刘天琪,曹鸿谦,焦慧明,于亚光,何川,沈骥. 中国电机工程学报. 2017(17)
[5]基于决策树的煤化工污染物定量化溯源研究[J]. 郏奎奎,刘海滨. 环境工程. 2016(S1)
[6]马尔科夫理论的优化灰色模型预测建模[J]. 李克昭,李志伟,赵磊杰. 测绘科学. 2016(08)
[7]基于EMD-BPN方法的高速铁路短期客流预测[J]. 曹承,梁院生. 交通科技与经济. 2015(01)
[8]非完整约束下滤波算法在组合导航中的应用[J]. 郭俊鸽,郭杭,洪海斌. 计算机工程与应用. 2015(24)
[9]一种基于小波变换的LTE系统下行链路信道估计算法[J]. 马项楠,余立建. 西南科技大学学报. 2011(04)
[10]期望值优化法在项目风险决策中的应用[J]. 殷焕武,张铁山. 技术经济与管理研究. 2006(02)
博士论文
[1]深度学习模型的高效训练算法研究[D]. 陈凯.中国科学技术大学 2016
硕士论文
[1]基于卷积神经网络的车牌识别技术研究[D]. 霍祥湖.电子科技大学 2017
[2]公交客流实时分析与短时预测研究[D]. 董海洋.大连理工大学 2013
[3]基于小波变换的交通流短时预测模型研究[D]. 曹征.北京交通大学 2010
[4]不完备信息系统中数据挖掘的粗糙集方法[D]. 梁美莲.广西大学 2005
本文编号：3642136
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3642136.html
