《交通流時間序列的分析與套用》是2019年06月01日科學出版社出版的圖書，作者是張玉梅。
基本介紹
- 書名：交通流時間序列的分析與套用
- 作者：張玉梅
- ISBN：9787030613776
- 頁數：229
- 定價：98.00元
- 出版社：科學出版社
- 出版時間：2019年06月01日
- 裝幀：平裝
- 開本：B5
內容簡介,圖書目錄,
內容簡介
本書旨在介紹作者及其研究團隊在非線性時間序列預測方面的最新研究成果。全書共10章，第1、2章為緒論和相關數學基礎；第3章為交通流混沌特性分析及其改進的判別方法；第4章為交通流混沌現象產生和轉化的機理；第5章為交通流混沌時間序列的建模及預測；第6章為基於混沌理論的高速公路匝道控制；第7~10章分別基於DUPSO算法、AGABC算法和DFP算法求解Volterra模型核係數，並將其套用於語音信號時間序列的預測中。本書主要關注交通系統中混沌現象的產生、轉化以及控制方面的問題，相關研究結論可以為解決語音信號、腦電信號等時間序列預測問題提供借鑑和指導。
圖書目錄
目錄
前言
第1章 緒論 1
1.1 背景與意義 1
1.1.1 交通系統中的混沌現象 1
1.1.2 混沌理論 2
1.1.3 交通領域中混沌理論的套用前景 3
1.1.4 研究意義 3
1.2 交通混沌研究概況 4
1.2.1 基於交通流模型的混沌研究 5
1.2.2 基於實測交通流的混沌研究 6
1.2.3 混沌理論在交通系統預測中的套用 6
1.2.4 混沌理論在交通系統控制中的套用 7
1.3 本書研究內容 8
1.3.1 交通系統混沌研究存在的問題 8
1.3.2章節安排 8
第2章 混沌動力學 11
2.1 引言 11
2.2 基本概念 11
2.2.1 混沌的定義及其基本特徵 12
2.2.2 吸引子的定義 12
2.2.3 混沌現象的特徵量 13
2.3 相空間重構理論 14
2.3.1 嵌入的概念 14
2.3.2 嵌入定理 15
2.3.3 導數重構法 15
2.3.4 延遲重構法 16
2.3.5 嵌入維數的選擇 17
2.3.6 延遲時間的選擇 22
2.4 混沌對初始值的敏感性和Lyapunov指數 25
2.4.1 混沌對初始值的敏感性 25
2.4.2 Lyapunov指數 26
2.5 混沌判別方法 29
2.5.1 功率譜分析 30
2.5.2 Poincare截面法 31
2.5.3 G-P算法 31
2.5.4 替代數據 33
2.5.5 分數維數 33
2.6 混沌時間序列的預測 34
2.6.1 基於Lyapunov指數的時間序列預測方法 35
2.6.2 基於神經網路的時間序列預測方法 36
2.7 本章小結 39
第3章 交通流混沌特性分析及其改進的判別方法 40
3.1 引言 40
3.2 交通流混沌特性分析的基礎 41
3.2.1 交通流時間序列的相空間重構 41
3.2.2 兩個參數對重構空間的影響 42
3.3 改進的交通流混沌判別方法 43
3.3.1 改進的小數據量法 44
3.3.2 改進的G-P算法 46
3.3.3 組合方法 46
3.4 數值仿真 48
3.4.1 交通狀態軌道分析 48
3.4.2 計算交通流時間序列的混沌特性值 52
3.4.3 混沌判別的組合方法驗證 55
3.5 本章小結 59
第4章 交通流混沌現象產生和轉化的機理 60
4.1 引言 60
4.2 交通流混沌產生的機理 61
4.2.1 運行規則 61
4.2.2 交通流延滯關係式 62
4.3 交通流離散動態模型 63
4.3.1 Logistic映射 63
4.3.2 建立離散動態模型 64
4.3.3 交通流離散動態模型的混沌動力學分析 68
4.4 交通流混沌轉化機理 69
4.4.1 交通流中的自組織現象 69
4.4.2 交通系統具有形成自組織的條件 69
4.4.3 基於自組織理論的交通流混沌轉化機理 70
4.5 數值仿真 71
4.6 本章小結 72
第5章 交通流混沌時間序列的建模及預測 73
5.1 引言 73
5.2 短時交通流預測框架 74
5.2.1 短時交通流預測的特徵 74
5.2.2 預測框架 75
5.3 徑向基神經網路預測模型 77
5.3.1 RBF 神經網路的結構 77
5.3.2 神經元數目的選擇 78
5.3.3 交通流的CTSNN預測步驟 79
5.3.4 數值仿真 80
5.4 二階Volterra自適應預測模型 87
5.4.1 預測模型 87
5.4.2 數值仿真 89
5.5 三階乘積耦合Volterra自適應預測模型 94
5.5.1 三階Volterra預測模型 95
5.5.2 乘積耦合實現結構 96
5.5.3 改進的非線性NLMS算法 97
5.5.4 數值仿真 98
5.6 QN自適應算法 99
5.6.1 LMS算法 100
5.6.2 QN算法的原理 101
5.6.3 QN算法的特性 105
5.6.4 QN算法的計算複雜度分析 108
5.6.5 數值仿真 108
5.7 本章小結 122
第6章 基於混沌理論的高速公路匝道控制 124
6.1 引言 124
6.2 高速公路動態交通流的BP神經網路建模 125
6.2.1 巨觀動態交通流模型 125
6.2.2 BP神經網路模型 125
6.2.3 數值仿真 127
6.3 基於BP神經網路的入口匝道控制算法 129
6.3.1 入口匝道控制原理 129
6.3.2 入口匝道模型 131
6.3.3 BP 神經網路建模過程 131
6.3.4 數值仿真 133
6.4 交通流混沌的反饋控制 136
6.4.1 交通流混沌控制分析 136
6.4.2 控制車輛的常值速度 136
6.5 基於分段線性控制器的入口匝道控制 137
6.5.1 混沌控制的新定義 137
6.5.2 PLC法 138
6.5.3 PLC法控制入口匝道 139
6.5.4 數值仿真 141
6.6 本章小結 142
第7章 語音信號處理基礎 144
7.1 引言 144
7.2 語音生成系統 144
7.3 語音生成數學模型 145
7.4 語音信號短時分析 147
7.4.1 加窗與分幀 147
7.4.2 短時能量 149
7.5 線性預測分析 150
7.5.1 基本原理 150
7.5.2 最佳預測係數求解 153
7.6 語音信號非線性處理 154
7.6.1 混沌和分形幾何 154
7.6.2 人工神經網路 155
7.7 本章小結 155
第8章 隱相空間DUPSO-SOVF預測模型及其套用 157
8.1 引言 157
8.2 經典粒子群算法 157
8.3 PSO算法分析 158
8.3.1 粒子搜尋中心 158
8.3.2 粒子搜尋機率分析 159
8.4 均勻搜尋粒子群最佳化算法 161
8.5 UPSO 性能分析 161
8.5.1 參數設定及Benchmark函式選擇 161
8.5.2 實驗結果分析 163
8.6 基於隱相空間的DUPSO-RPSOVF語音預測模型研究 164
8.6.1 語音信號數據採集與預處理 166
8.6.2 DUPSO算法最佳化模型參數 168
8.6.3 隱相空間DUPSO-SOVF語音預測模型 170
8.6.4 模型評價 172
8.7 本章小結 177
第9章 AGABC-SOVF預測模型及其套用 178
9.1 引言 178
9.2 人工蜂群算法理論基礎 178
9.2.1 人工蜂群算法的原理 178
9.2.2 人工蜂群算法的性能分析 181
9.3 AGABC算法 182
9.3.1 基於全局最優的自適應算法 183
9.3.2 混沌系統初始化 184
9.4 AGABC-SOVF預測模型 187
9.4.1 基本流程 187
9.4.2 模型算法 187
9.4.3 模型求解與分析 188
9.5 仿真實驗 191
9.5.1 單幀信號預測 192
9.5.2 Lorenz混沌時間序列預測 194
9.5.3 音標和短語的多幀預測 196
9.6 本章小結 198
第10章 語音信號序列的DFP-SOVF預測模型研究 199
10.1 引言 199
10.2 語料庫 199
10.3 語音數據預處理 200
10.4 語音信號數據採集與預處理 202
10.4.1 語音信號數據採集 202
10.4.2 語音信號數據預處理 203
10.5 語音信號序列相空間重構 203
10.5.1 互信息法選取延遲時間 204
10.5.2 Cao方法選取嵌入維數 206
10.5.3 相空間重構 208
10.6 語音信號序列混沌特性識別 208
10.7 DFP-SOVF模型 210
10.8 模型評價 211
10.8.1 語音信號序列的DFP-SOVF預測 211
10.8.2 單幀語音信號預測 214
10.8.3 多幀語音信號預測 215
10.9 本章小結 218
參考文獻 219
前言
第1章 緒論 1
1.1 背景與意義 1
1.1.1 交通系統中的混沌現象 1
1.1.2 混沌理論 2
1.1.3 交通領域中混沌理論的套用前景 3
1.1.4 研究意義 3
1.2 交通混沌研究概況 4
1.2.1 基於交通流模型的混沌研究 5
1.2.2 基於實測交通流的混沌研究 6
1.2.3 混沌理論在交通系統預測中的套用 6
1.2.4 混沌理論在交通系統控制中的套用 7
1.3 本書研究內容 8
1.3.1 交通系統混沌研究存在的問題 8
1.3.2章節安排 8
第2章 混沌動力學 11
2.1 引言 11
2.2 基本概念 11
2.2.1 混沌的定義及其基本特徵 12
2.2.2 吸引子的定義 12
2.2.3 混沌現象的特徵量 13
2.3 相空間重構理論 14
2.3.1 嵌入的概念 14
2.3.2 嵌入定理 15
2.3.3 導數重構法 15
2.3.4 延遲重構法 16
2.3.5 嵌入維數的選擇 17
2.3.6 延遲時間的選擇 22
2.4 混沌對初始值的敏感性和Lyapunov指數 25
2.4.1 混沌對初始值的敏感性 25
2.4.2 Lyapunov指數 26
2.5 混沌判別方法 29
2.5.1 功率譜分析 30
2.5.2 Poincare截面法 31
2.5.3 G-P算法 31
2.5.4 替代數據 33
2.5.5 分數維數 33
2.6 混沌時間序列的預測 34
2.6.1 基於Lyapunov指數的時間序列預測方法 35
2.6.2 基於神經網路的時間序列預測方法 36
2.7 本章小結 39
第3章 交通流混沌特性分析及其改進的判別方法 40
3.1 引言 40
3.2 交通流混沌特性分析的基礎 41
3.2.1 交通流時間序列的相空間重構 41
3.2.2 兩個參數對重構空間的影響 42
3.3 改進的交通流混沌判別方法 43
3.3.1 改進的小數據量法 44
3.3.2 改進的G-P算法 46
3.3.3 組合方法 46
3.4 數值仿真 48
3.4.1 交通狀態軌道分析 48
3.4.2 計算交通流時間序列的混沌特性值 52
3.4.3 混沌判別的組合方法驗證 55
3.5 本章小結 59
第4章 交通流混沌現象產生和轉化的機理 60
4.1 引言 60
4.2 交通流混沌產生的機理 61
4.2.1 運行規則 61
4.2.2 交通流延滯關係式 62
4.3 交通流離散動態模型 63
4.3.1 Logistic映射 63
4.3.2 建立離散動態模型 64
4.3.3 交通流離散動態模型的混沌動力學分析 68
4.4 交通流混沌轉化機理 69
4.4.1 交通流中的自組織現象 69
4.4.2 交通系統具有形成自組織的條件 69
4.4.3 基於自組織理論的交通流混沌轉化機理 70
4.5 數值仿真 71
4.6 本章小結 72
第5章 交通流混沌時間序列的建模及預測 73
5.1 引言 73
5.2 短時交通流預測框架 74
5.2.1 短時交通流預測的特徵 74
5.2.2 預測框架 75
5.3 徑向基神經網路預測模型 77
5.3.1 RBF 神經網路的結構 77
5.3.2 神經元數目的選擇 78
5.3.3 交通流的CTSNN預測步驟 79
5.3.4 數值仿真 80
5.4 二階Volterra自適應預測模型 87
5.4.1 預測模型 87
5.4.2 數值仿真 89
5.5 三階乘積耦合Volterra自適應預測模型 94
5.5.1 三階Volterra預測模型 95
5.5.2 乘積耦合實現結構 96
5.5.3 改進的非線性NLMS算法 97
5.5.4 數值仿真 98
5.6 QN自適應算法 99
5.6.1 LMS算法 100
5.6.2 QN算法的原理 101
5.6.3 QN算法的特性 105
5.6.4 QN算法的計算複雜度分析 108
5.6.5 數值仿真 108
5.7 本章小結 122
第6章 基於混沌理論的高速公路匝道控制 124
6.1 引言 124
6.2 高速公路動態交通流的BP神經網路建模 125
6.2.1 巨觀動態交通流模型 125
6.2.2 BP神經網路模型 125
6.2.3 數值仿真 127
6.3 基於BP神經網路的入口匝道控制算法 129
6.3.1 入口匝道控制原理 129
6.3.2 入口匝道模型 131
6.3.3 BP 神經網路建模過程 131
6.3.4 數值仿真 133
6.4 交通流混沌的反饋控制 136
6.4.1 交通流混沌控制分析 136
6.4.2 控制車輛的常值速度 136
6.5 基於分段線性控制器的入口匝道控制 137
6.5.1 混沌控制的新定義 137
6.5.2 PLC法 138
6.5.3 PLC法控制入口匝道 139
6.5.4 數值仿真 141
6.6 本章小結 142
第7章 語音信號處理基礎 144
7.1 引言 144
7.2 語音生成系統 144
7.3 語音生成數學模型 145
7.4 語音信號短時分析 147
7.4.1 加窗與分幀 147
7.4.2 短時能量 149
7.5 線性預測分析 150
7.5.1 基本原理 150
7.5.2 最佳預測係數求解 153
7.6 語音信號非線性處理 154
7.6.1 混沌和分形幾何 154
7.6.2 人工神經網路 155
7.7 本章小結 155
第8章 隱相空間DUPSO-SOVF預測模型及其套用 157
8.1 引言 157
8.2 經典粒子群算法 157
8.3 PSO算法分析 158
8.3.1 粒子搜尋中心 158
8.3.2 粒子搜尋機率分析 159
8.4 均勻搜尋粒子群最佳化算法 161
8.5 UPSO 性能分析 161
8.5.1 參數設定及Benchmark函式選擇 161
8.5.2 實驗結果分析 163
8.6 基於隱相空間的DUPSO-RPSOVF語音預測模型研究 164
8.6.1 語音信號數據採集與預處理 166
8.6.2 DUPSO算法最佳化模型參數 168
8.6.3 隱相空間DUPSO-SOVF語音預測模型 170
8.6.4 模型評價 172
8.7 本章小結 177
第9章 AGABC-SOVF預測模型及其套用 178
9.1 引言 178
9.2 人工蜂群算法理論基礎 178
9.2.1 人工蜂群算法的原理 178
9.2.2 人工蜂群算法的性能分析 181
9.3 AGABC算法 182
9.3.1 基於全局最優的自適應算法 183
9.3.2 混沌系統初始化 184
9.4 AGABC-SOVF預測模型 187
9.4.1 基本流程 187
9.4.2 模型算法 187
9.4.3 模型求解與分析 188
9.5 仿真實驗 191
9.5.1 單幀信號預測 192
9.5.2 Lorenz混沌時間序列預測 194
9.5.3 音標和短語的多幀預測 196
9.6 本章小結 198
第10章 語音信號序列的DFP-SOVF預測模型研究 199
10.1 引言 199
10.2 語料庫 199
10.3 語音數據預處理 200
10.4 語音信號數據採集與預處理 202
10.4.1 語音信號數據採集 202
10.4.2 語音信號數據預處理 203
10.5 語音信號序列相空間重構 203
10.5.1 互信息法選取延遲時間 204
10.5.2 Cao方法選取嵌入維數 206
10.5.3 相空間重構 208
10.6 語音信號序列混沌特性識別 208
10.7 DFP-SOVF模型 210
10.8 模型評價 211
10.8.1 語音信號序列的DFP-SOVF預測 211
10.8.2 單幀語音信號預測 214
10.8.3 多幀語音信號預測 215
10.9 本章小結 218
參考文獻 219
