运量预测方法技术

本发明专利技术提供了一种运量预测方法，包括步骤1：在原始运量数据序列中加入缓冲算子，得到融合缓冲算子的第一序列；步骤2：根据所述第一序列建立第一模型；步骤3：通过所述第一序列训练基于深度递归神经网络的第二模型；步骤4：分别通过所述第一模型和以及经过训练的第二模型预测运量，得到第一预测结果和第二预测结果；步骤5：对所述第一预测结果和第二预测结果进行加权组合，得到目标预测结果。从而可以极大降低原始运量序列受到季节和市场政策因素的影响，可充分挖掘多个序列之间的潜在规律，为物流市场的决策提供强有力支持。

Traffic volume forecasting method

【技术实现步骤摘要】
运量预测方法
本专利技术涉及数据处理
，具体地，涉及运量预测方法。
技术介绍
随着我国国民经济的迅猛发展，客运量与货运量激增，若缺乏对运量的预测，相关部门将缺乏对经济市场风险的决策管控的能力，造成严重的经济损失。但路网运量是一个高维复杂的动态系统，如何从复杂的运输系统中挖掘出有价值得信息，给人类的智能信息处理带来了前所未有的挑战。2017年前三季度我国经济实现6.9％的增长，经济维持较高速增长趋势不变，大宗货物需求有所提升，铁路运输、航运业务量增长，货物运输结构逐步优化调整，铁路运输量进一步增长，运价恢复并且上浮。在消费的拉动之下，与消费相关的物流业务继续保持相对快速增长，消费升级以及消费需求的增长带动了相关领域基础设施的投资需求。白色系统是指系统内部特征是完全已知的；黑色系统是指系统内部信息完全未知的；而灰色系统是介于白色系统和黑色系统之间的一种系统，灰色系统其内部一部分信息已知，另一部分信息未知或不确定。灰色预测是指对系统行为特征值的发展变化进行的预测，对既含有已知信息又含有不确定信息的系统进行的预测，也就是对在一定范围内变化本文档来自技高网...

【技术保护点】
1.一种运量预测方法，其特征在于，包括：/n步骤1：在原始运量数据序列中加入缓冲算子，得到融合缓冲算子的第一序列；/n步骤2：根据所述第一序列建立第一模型；/n步骤3：通过所述第一序列训练基于深度递归神经网络的第二模型；/n步骤4：分别通过所述第一模型和以及经过训练的第二模型预测运量，得到第一预测结果和第二预测结果；/n步骤5：对所述第一预测结果和第二预测结果进行加权组合，得到目标预测结果。/n

【技术特征摘要】
1.一种运量预测方法，其特征在于，包括：
步骤1：在原始运量数据序列中加入缓冲算子，得到融合缓冲算子的第一序列；
步骤2：根据所述第一序列建立第一模型；
步骤3：通过所述第一序列训练基于深度递归神经网络的第二模型；
步骤4：分别通过所述第一模型和以及经过训练的第二模型预测运量，得到第一预测结果和第二预测结果；
步骤5：对所述第一预测结果和第二预测结果进行加权组合，得到目标预测结果。


2.根据权利要求1所述的运量预测方法，其特征在于，所述步骤1包括：
通过灰色系统中的GM(1，1)模型对原始运量数据序列和一阶缓冲算子生成的缓冲数据序列进行拟合；
若一阶缓冲算子生成的缓冲数据序列的误差小于原始运量数据序列，则原始运量数据序列中加入缓冲算子，得到融合缓冲算子的第一序列。


3.根据权利要求1所述的运量预测方法，其特征在于，所述步骤2中的所述第一模型为GM(1，1)模型，通过定义GM(1，1)模型的灰导数，以及对建立的白化微分方程进行求解，得到第一预测结果。


4.根据权利要求1所述的运量预测方法，其特征在于，所述步骤3包括：
对所述第一序列进行归一化...

【专利技术属性】
技术研发人员：王浩，张益波，黄美鑫，
申请(专利权)人：上海应用技术大学，宁波市公安局镇海分局交通警察大队，
类型：发明
国别省市：上海;31