[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

摘要

本发明公开了一种基于序列分解的公共停车场泊位多步预测方法。该方法的基本思想是利用傅里叶变换将停车场泊位占有率序列分解成规则部分和不规则部分。直接用原始序列进行LSSVR预测，在预测步数较少时，具有较高的预测精度，而随着预测步数的增加，序列中的不规则成分会增大预测误差。本发明提出的基于序列分解的公共停车场泊位多步预测技术，在预测步数大于预测步长阈值时，仅对序列中规则部分进行LSSVR预测，这能有效提高长步预测时的预测精度，这是在预测中提取与停车场本身行为特性相关成分的结果。

主权项

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。