杨臻明
- 作品数：4 被引量：34H指数：3
- 供职机构：同济大学电子与信息工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术交通运输工程更多>>
- 区间时间序列的混合预测模型被引量：11
- 2013年
- 提出一种基于自回归求和移动平均(ARIMA)与人工神经网络(ANN)的区间时间序列混合模型,并用混合模型分别对区间中值序列和区间半径序列建模.采用Monte Carlo方法生成模拟区间序列,分别用ARIMA、ANN和混合模型3种方法进行建模和预测实验,并用统计学方法检验模型误差.最后分别采用3种方法对H市轨道交通某号线牵引能耗区间序列进行了建模和预测,实验结果表明混合模型的建模精度和预测性能均优于单一模型.
- 岳继光杨臻明孙强王晓保
- 关键词：区间分析时间序列混合模型ARIMA模型人工神经网络城市轨道交通
- 基于回归模型的城市轨道交通能耗预测被引量：16
- 2010年
- 以上海轨道交通运营统计数据为基础,分析城市轨道交通能耗结构。用相关性分析方法研究影响轨道交通能耗的重要因素。建立了城市轨道交通能耗系统的回归模型,并利用该模型对上海轨道交通5号线的能耗进行了预测。结果表明,该模型可以较准确地预测轨道交通的运营能耗,全年能耗预测误差在5%以内,为城市轨道交通能耗系统的建模与预测提供了一种新的方法。
- 杨臻明岳继光王晓保李晓龙
- 关键词：城市轨道交通
- 基于独立模型的非线性时间序列多步超前预测被引量：4
- 2013年
- 提出一种非线性时间序列的多步超前独立预测方法.对比逐步递归方法和独立预测方法,分析了积累误差对多步超前预测性能的影响.采用递归神经网络(RNN)实现了独立预测方法,建立了城市轨道交通能耗预测模型.通过MATLAB训练和测试该模型,比较了两种方法下的多步超前预测输出.结果表明,独立预测方法的误差优于逐步递归方法.最后指出了独立预测方法的优缺点及适用范围.
- 杨臻明岳继光王晓保萧蕴诗
- 关键词：非线性时间序列递归神经网络
- 基于独立成分分析的含噪声时间序列预测被引量：3
- 2013年
- 提出一种基于独立成分分析(ICA)的最小二乘支持向量机(LS-SVM),用于时间序列的多步超前独立预测.用ICA估计预测变量中的独立成分(IC),用不含噪声的IC重新构建时间序列.利用-最近邻法(-NN)减小训练集的规模,提出一种新的距离函数以降低LS-SVM训练过程的计算复杂度,并用约束条件对预测值进行后处理.使用基于ICA的LS-SVM、普通LS-SVM与反向传播神经网络(BP-ANN),对多个时间序列进行对比预测实验.实验结果表明,基于ICA的LS-SVM的预测性能优于普通LS-SVM和BP-ANN.
- 杨臻明岳继光王晓保萧蕴诗
- 关键词：时间序列预测最小二乘支持向量机
