[发明专利]基于优化小波神经网络的停车泊位多步预测方法

摘要

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％。

主权项

1.一种基于优化小波神经网络的停车泊位多步预测方法，其特征在于，包括如下步骤：S1采集有效停车泊位信息，得到停车场的有效停车泊位的时间序列；S2采用梯度下降法训练小波神经网络的各个参数，得到预测结果与实际结果之间的误差平方和e；S3将步骤S2中得到的误差平方和e作为粒子群算法的适应度函数，然后利用粒子群算法逐步搜索粒子的当前局部最优值和整体的全局最优值，通过逐步迭代更新得到全局最优值；S4将步骤S3中得到的全局最优值作为单隐层前馈神经网络的输入样本，采用ELM算法对步骤S3中得到的全局最优值进行训练，得到输出结果即为有效停车位时间序列的预测结果y；S5将步骤S4中得到的有效停车位时间序列的预测结果y进行累减还原，从而获得有效停车泊位时间序列的最终预测结果Y＝y*(max(y)-min(y))+min(y)。