公开(公告)号：CN108091135B

公开(公告)日：2021-01-19

申请号：CN201711321011.X

申请日：2017-12-12

Applicant: 重庆师范大学

Inventor： 杨有 ,  李田田 ,  尚晋 ,  曾绍华 ,  余平

IPC: G08G1/01 ,  G08G1/14 ,  G06N3/00 ,  G06N3/08

Abstract: 本发明公开了一种基于优化小波神经网络的停车泊位多步预测方法，将实际测得有效停车泊位数据处理成以5分钟为时间间隔的有效停车泊位时间序列,利用小波函数‘db32’进行多尺度分解与重构，并将其作为小波神经网络的隐含层函数；利用粒子群算法对权值进行调整，逐步迭代更新得到最优值；利用ELM算法降低EPWNN的预测时间，根据多步预测策略得到预测结果。本发明相对于遗传算法优化神经网络、遗传算法优化小波神经网络、极限学习机优化小波变换、极限学习机优化小波神经网络、粒子群优化神经网络算法、粒子群优化小波神经网络等算法，EPWNN算法的预测误差平均降低了89.17％，预测所需的时间平均降低了50.83％。

公开(公告)号：CN108091135A

公开(公告)日：2018-05-29

申请号：CN201711321011.X

申请日：2017-12-12

Applicant: 重庆师范大学

Inventor： 杨有 ,  李田田 ,  尚晋 ,  曾绍华 ,  余平

IPC: G08G1/01 ,  G08G1/14 ,  G06N3/00 ,  G06N3/08

CPC classification number: G08G1/0129 ,  G06N3/006 ,  G06N3/08 ,  G08G1/0137 ,  G08G1/148

Abstract: 本发明公开了一种基于优化小波神经网络的停车泊位多步预测方法，将实际测得有效停车泊位数据处理成以5分钟为时间间隔的有效停车泊位时间序列,利用小波函数‘db32’进行多尺度分解与重构，并将其作为小波神经网络的隐含层函数；利用粒子群算法对权值进行调整，逐步迭代更新得到最优值；利用ELM算法降低EPWNN的预测时间，根据多步预测策略得到预测结果。本发明相对于遗传算法优化神经网络、遗传算法优化小波神经网络、极限学习机优化小波变换、极限学习机优化小波神经网络、粒子群优化神经网络算法、粒子群优化小波神经网络等算法，EPWNN算法的预测误差平均降低了89.17％，预测所需的时间平均降低了50.83％。