【摘 要】
：
本文提出了一种基于小波分解与重构的交通流预测方法,结合GM(1,1)模型和ARMA(p,q)模型对纽约市一天内的交通流量进行预测.通过多尺度小波分解,分离出低频信息和高频信息;然后
论文部分内容阅读
本文提出了一种基于小波分解与重构的交通流预测方法,结合GM(1,1)模型和ARMA(p,q)模型对纽约市一天内的交通流量进行预测.通过多尺度小波分解,分离出低频信息和高频信息;然后对低频信息和高频信息分别进行重构,对低频信息用灰色模型进行拟合,对高频信息则采用自回归滑动平均模型;最后将预测结果叠加,从而得到原始序列的预测值.通过实验结果表明,该方法具有更高的预测精度。
其他文献
针对传统GM(1,1)模型参数估计的稳健性较差的问题,提出了基于加权最小二乘估计的WGM(1,1)模型.该模型以残差平方的倒数为权重,在模拟误差平方和最小的准则下求解WGM(1,1)模型
基于标准灰数的概念,给出了普通区间灰数与标准灰数之间的转换规则,并在区间灰数的核和灰度的概念基础上,提出了标准灰数的大小比较方法,距离公式和规范化方法,这些关系运算
根据灰色系统建模方法和原理,在GM(1,1)建模思想上给出了一种逐步优化的非等间距GM(1,1)模型,该模型是在背景值优化和向前差商和后向差商的加权平均值代替灰导数基础上,应用
分析了GM(1,1)模型的背景值构造方法,基于连分式理论提出了用有理插值和数值积分中的梯形公式及外推法重构背景值,可以有效地提高模型的模拟精度和预测精度,实例分析结果表明
本文研究了GM(1,1,α)模型的建模机理与过程,提出了该模型的二级参数包,并从数学理论上重点分析了背景值的变化对模型的发展系数的影响,得到了背景值与模型的发展系数之间的
广义的技术进步,即指扣除资金和劳力的贡献以外,其它所有能实现经济增长因素的贡献的总和,其中包括了经济结构的合理调整.经济结构的调整之所以对经济增长会有所贡献,是由于
根据灰色GM(1,1)模型参数是灰的、可调的原理,引入背景值系数β,提出了GM(1,1,β)模型,给出了GM(1,1,β)模型背景值系数的计算公式及优化算法.研究结果表明,GM(1,1,β)模型的
文章首先探讨了经济社会生活中的系统突变问题,阐述了突变理论和灰色预测理论的发展现状.针对当前时段突发事件下的未来趋势预测问题,在贝叶斯网络理论和灰数代数表征理论的
本文基于非等间距多变量系统灰预测基本模型,构造了离散的非等间距多变量灰预测模型,该模型是将原始的模型通过恒等变形转化为线性方程组求解,直接可以进行数据的模拟和预测.
针对灰色DGM预测模型仅适用于实数序列而无法进行区间灰数序列建模的缺陷,通过引入集对理论中的联系数,将区间灰数序列转化为联系数序列,利用联系数序列的同部和异部序列分别