[发明专利]一种基于序列分解的公共停车场泊位多步预测方法

权利要求书

1.一种基于序列分解的公共停车场泊位多步预测方法，其特征在于该方法包括以下步骤：

步骤c1、提取停车场泊位变化序列并进行序列分解；具体是：

步骤c11、确定时间间隔：对某停车场的泊位变化以确定的时长为时间间隔采样，得到该停车场的占用泊位数时间序列，记作X(n)，n＝1,2,…N；

步骤c12、将原始时间序列X(n)进行离散FFT变换得到序列x(k)，k＝1,2,…N；

步骤c13、计算功率谱x(k)的均方值为G_N：

步骤c14、按如下规则变换得到序列留下特征谱分量：

其中，r为参数，且r>0；

步骤c15、对进行逆FFT变换得到序列x₁(n)：

序列x₁(n)即原始序列X(n)中的规则部分；x₂(n)＝X(n)-x₁(n)即为原始序列X(n)中的不规则部分；

步骤c2、直接对原始序列进行最小二乘支持向量回归多步预测，记为方式一：

步骤c3、根据c1步序列分解的结果，提取规则部分序列x₁(n)，对x₁(n)进行最小二乘支持向量回归多步预测，记为方式二；

步骤c4、确定预测步长阈值d₀，具体是：

步骤c41、分别计算步骤c2和步骤c3在d＝1,2,…d_n步下的预测结果的MSE值，d_n为最大预测步长；

MSE为均方误差，其计算公式为：

式中，y_i为第d_i步停车场实际泊位数，为步骤c2或步骤c3中通过最小二乘支持向量回归预测得到的第d_i泊位数；

步骤c42、比较两种方式得到的MSE值，确定预测步长阈值d₀；

步骤c5、判断预测步数d与预测步长阈值d₀的关系，若d<d₀,则采用方式一进行预测，若d≥d₀,则采用方式二进行预测；

所述的最小二乘支持向量回归多步预测具体是：

用训练集直接训练出一个d步模型，该模型用截至t时刻的输入变量来预测t+d时刻的输出值；对于不同预测步数，训练出不同预测模型；

对于原始时间序列X(n)，将前l个作为训练样本，d步预测时输出X_i对应的输入变量表示为：

X_i＝[X_i-d X_i-2d … X_i-md M_i]

式中，m为输入嵌入维度，即第i个点的输出X_i与之前m个点有关；M_i为其他相关变量。

2.根据权利要求1所述的一种基于序列分解的公共停车场泊位多步预测方法，其特征在于：步骤c42中用原始序列直接进行最小二乘支持向量回归预测的MSE值开始大于用规则部分进行最小二乘支持向量回归预测的MSE值的临界步数的上一步即为预测步长阈值d₀。