[發(fā)明專利]非常態(tài)下基于經(jīng)驗(yàn)?zāi)B(tài)分解和分類組合預(yù)測的交通參數(shù)短時(shí)預(yù)測方法

無效

• 申請(qǐng)?zhí)枺?/td>: 201210005335.3
• 申請(qǐng)日: 2012-01-10
• 公開（公告）號(hào): CN102568205A
• 公開（公告）日: 2012-07-11
• 發(fā)明（設(shè)計(jì)）人: 楊兆升;于德新;林賜云;鄭黎黎;龔勃文;楊慶芳;楊楠;孟娟;王薇;高學(xué)英
• 申請(qǐng)（專利權(quán)）人: 吉林大學(xué)
• 主分類號(hào): G08G1/01
• 分類號(hào): G08G1/01
• 代理公司: 長春眾益專利商標(biāo)事務(wù)所(普通合伙) 22211
• 代理人: 趙正

1.一種非常態(tài)下基于經(jīng)驗(yàn)?zāi)B(tài)分解和分類組合預(yù)測的交通參數(shù)短時(shí)預(yù)測方法，其特征在于，包括以下步驟：

(1)經(jīng)驗(yàn)?zāi)B(tài)本征分解：將已經(jīng)預(yù)處理的交通參數(shù)時(shí)間序列用EMD算法分解，得出n個(gè)IMF分量和一個(gè)趨勢分量，其中n為大于1的自然數(shù)；

(2)IMF分量重組分類：基于EMD濾波特性構(gòu)造濾波器組，分解后的IMF分量呈現(xiàn)由高頻向低頻的篩選過程，將IMF分量分成高頻濾波、中頻濾波和低頻濾波三部分；

(3)分類預(yù)測：針對(duì)高頻、中頻、低頻三類不同頻率濾波的特點(diǎn)分別使用灰色理論、卡爾曼濾波和自回歸滑動(dòng)平均進(jìn)行預(yù)測；

(4)結(jié)果累加：將步驟(3)所述的三部分結(jié)果累加得到下一時(shí)段實(shí)時(shí)的交通參數(shù)預(yù)測結(jié)果。

(5)多步預(yù)測：對(duì)步驟(4)所述的累加結(jié)果和非常態(tài)事件下歷史數(shù)據(jù)庫中的相似的時(shí)間序列分配權(quán)重，得到最終的交通參數(shù)預(yù)測結(jié)果和交通參數(shù)的未來發(fā)展趨勢。

2.根據(jù)權(quán)利要求1所述的非常態(tài)下基于經(jīng)驗(yàn)?zāi)B(tài)分解和分類組合預(yù)測的交通參數(shù)短時(shí)預(yù)測方法，其特征在于：步驟(1)所述的經(jīng)驗(yàn)?zāi)B(tài)分解算法EMD，在分解的篩選過程中，采用設(shè)置兩個(gè)連續(xù)的迭代結(jié)果之間的標(biāo)準(zhǔn)差SD，SD的大小取0.3。

3.根據(jù)權(quán)利要求1所述的非常態(tài)下基于經(jīng)驗(yàn)?zāi)B(tài)分解和分類組合預(yù)測的交通參數(shù)短時(shí)預(yù)測方法，其特征在于：步驟(1)所述的經(jīng)驗(yàn)?zāi)B(tài)分解算法分解得到n個(gè)IMF分量和一個(gè)趨勢分量，第一個(gè)IMF分量對(duì)應(yīng)隨機(jī)成分，第一至第n個(gè)IMF分量對(duì)應(yīng)周期成分，趨勢分量即殘差r_n對(duì)應(yīng)趨勢成分。

4.根據(jù)權(quán)利要求1所述的非常態(tài)下基于經(jīng)驗(yàn)?zāi)B(tài)分解和分類組合預(yù)測的交通參數(shù)短時(shí)預(yù)測方法，其特征在于：步驟(2)所述的IMF分量重組分類過程中，前面幾個(gè)較高頻率的IMF分量作為高頻濾波，最后一個(gè)趨勢項(xiàng)連同后面幾個(gè)較低頻率的IMF分量作為低頻濾波，中間幾個(gè)一般頻率的IMF分量作為中頻濾波。

5.根據(jù)權(quán)利要求1或4所述的非常態(tài)下基于經(jīng)驗(yàn)?zāi)B(tài)分解和分類組合預(yù)測的交通參數(shù)短時(shí)預(yù)測方法，其特征在于：高頻濾波部分使用灰色理論進(jìn)行預(yù)測。

6.根據(jù)權(quán)利要求1或4所述的非常態(tài)下基于經(jīng)驗(yàn)?zāi)B(tài)分解和分類組合預(yù)測的交通參數(shù)短時(shí)預(yù)測方法，其特征在于：中頻濾波部分使用卡爾曼濾波進(jìn)行預(yù)測。

7.根據(jù)權(quán)利要求1或4所述的非常態(tài)下基于經(jīng)驗(yàn)?zāi)B(tài)分解和分類組合預(yù)測的交通參數(shù)短時(shí)預(yù)測方法，其特征在于：低頻濾波部分使用自回歸滑動(dòng)平均進(jìn)行預(yù)測。

8.根據(jù)權(quán)利要求1所述的非常態(tài)下基于經(jīng)驗(yàn)?zāi)B(tài)分解和分類組合預(yù)測的交通參數(shù)短時(shí)預(yù)測方法，其特征在于：步驟(5)所述的多步預(yù)測過程中，將步驟(4)累加得到的下一時(shí)段實(shí)時(shí)交通參數(shù)預(yù)測結(jié)果和非常態(tài)事件下歷史數(shù)據(jù)庫中提取的相似交通參數(shù)時(shí)間序列，分別分配權(quán)重α和1-α，同時(shí)盡量選擇小一點(diǎn)的α值。