交通流量序列混沌特性分析及DFPSOVF预测模型

以实际采集的交通流量序列作为研究对象,分别应用互信息法和虚假邻点法确定其延迟时间和最佳嵌入维数,完成交通流量序列的相空间重构.通过计算交通流量序列的饱和关联维数和最大Lyapunov指数判定其混沌特性.以最小均方(LMS)算法为基础,构建了一种基于Davidon-Fletcher-Powell方法的二阶Volterra模型(DFPSOVF),其应用了一种可随输入信号变化而实时变化的基于后验误差假设的可变收敛因子技术.DFPSOVF模型避免了在Volterra模型中采用LMS自适应算法调整系数时参数选择不当引起的问题.将DFPSOVF模型应用于具有混沌特性的短时交通流量预测,结果表明:当模型记忆长度与交通流量序列的嵌入维数选择一致时,模型的预测精度较高,可以满足交通诱导和交通控制的需要,为智能交通控制提供了新方法、新思路及工程应用参考.

基于DFP的二阶Volterra模型及其对Rossler混沌序列的预测

为克服最小二乘法或归一化最小二乘法在二阶Volterra建模时参数选择不当引起的问题,在最小二乘法基础上,应用一种基于后验误差假设的可变收敛因子技术,构建了一种基于Davidon-Fletcher-Powell算法的二阶Volterra模型(DFPSOVF).给出参数估计中自相关逆矩阵估计的递归更新公式,并对其正定性、有界性和τ(n)的作用进行了研究.将DFPSOVF模型应用于Rssler混沌序列的单步预测,仿真结果表明其能够保证算法的稳定性和收敛性,不存在最小二乘法和归一化最小二乘法的发散问题.