汇博在线 - 论文发表,免费论文网,职称论文,各类论文.

基于模糊时间序列的车辆检测器数据修补方法研究

2016-07-14 10:33　来源: 互联网作者：隆忠华王祥浏览次数 2657

传统平均法计算即当发生数据缺漏时，使用当前时刻前两条数据的平均值进行修复。此方法计算简单，但当数据缺失较多时且流量即将到达波峰或波谷时则无法反映出流量变化，仅能输出一个接近平稳的序列。
　　随机选择数据，集中一天工作日与一天假日作平均法的计算，得到了工作日与假日的平均法MAPE值，结果如表4所示。
　　2 模型预测效果对比
　　未加入数据修正的ARIMA模型预测值如表5所列。由表 5可以发现，混合模型不管是在工作日流量或者是假日流量都表现的比ARIMA模型效果好，依据衡量标准，MAPE值小于20% 即为优良的修补模型，ARIMA模型与结合了ARIMA与模糊时间序列的混合模型皆为效果可接受的修补模型，与平均法比较，资料修补的效果都优于现在所使用的方法。
　　由图可以发现，假日模式的改善比工作日模式的改善幅度大，是因为工作日的流量变化较大，为一个双峰M型分布，而假日的流量图基本为一个单峰分布，变化相对舒缓，较符合模糊时间序列的梯度函数形态。工作日模式综合比较如图7所示。假日模式综合比较如图8所示。
　　3 数据修补方法
　　3.1 以ARIMA模型进行实时修复
　　为使模拟情境能够接近现实的缺失情况，本研究以西安绕城高速车检器工作日的早高峰前一个小时与早高峰一小时内的流量数据作为修补范围。表5利用前5条数据记录模拟真实数据缺失情况，可以得知修补效果在10条记录内为可接受范围，在资料缺失比较数大于10条记录时，其修补效果会大幅度下降。
　　3.2 以ARIMA模型混合历史数据进行实时修补
　　实际验证发现，如果以待修补时刻前5条历史数据进行基于ARIMA的实时修补，会在第11条左右（即55 min前后）开始大幅衰退，以工作日的尖峰模拟找出可能的数据修复失效转折点，所得结果如表6所列。
　　发现数据修复效能转折点集中在10至12条数据左右，本研究利用此特点，尝试使用不同权重加入历史ARIMA的方式来修正ARIMA实时修补的误差。具体做法为：第一条数据使用0.9×ARIMA实时预测值+0.1×历史数据的ARIMA预测值；第二条数据使用0.8×ARIMA实时预测值+0.2×历史资料的ARIMA预测值。以此类推，直到第十条数据记录以后直接使用历史数据的ARIMA来进行预测修补，如下式所示：
　　Pnew=w1×PARIMA+w2×PHitorical （1）
　　其中，w1为动态预测资料的权重；w2为历史数据的权重。加入数据修正的ARIMA预测结果如表7所列。
　　4 分析与总结

服务说明

汇博在线(paper188.com)网拥有实力强大的团队,能帮助你实现论文写作方法,论文发表,代写代发论文等服务领域.

我们承诺

在您接受本站服务的过程中，我们为您提供优质的服务，包括后期免费修改、免费指导答辩等。衷心感谢您对本站的信任和支持！

论文指导范围

毕业论文,硕士毕业论文,研究生论文,博士论文,职称论文代写,领导讲话，报告总结，演讲致辞,心得体会,党团辅导等代写服务。

发表论文领域

发表省级杂志,国家级杂志,核心杂志等服务。

基于模糊时间序列的车辆检测器数据修补方法研究

2016-07-14 10:33　来源: 互联网作者：隆忠华王祥浏览次数 2657

服务说明

我们承诺

论文指导范围

发表论文领域

最新论文

推荐论文

热点论文

基于模糊时间序列的车辆检测器数据修补方法研究 2016-07-14 10:33 来源: 互联网 作者：隆忠华 王祥 浏览次数 2657

服务说明

我们承诺

论文指导范围

发表论文领域

最新论文

推荐论文

热点论文

基于模糊时间序列的车辆检测器数据修补方法研究

2016-07-14 10:33　来源: 互联网作者：隆忠华王祥浏览次数 2657