-
公开(公告)号:CN118230544A
公开(公告)日:2024-06-21
申请号:CN202410228640.1
申请日:2024-02-29
申请人: 重庆交通大学 , 重庆高速公路路网管理有限公司
摘要: 本发明提供一种基于双小波分解的交通流预测方法、及装置。该预测方法包括:获取时间序列;在多个待选择的小波基函数中确定第一小波基函数和第二小波基函数;利用第一小波基函数对时间序列进行L层分解和重构,并将得到的L个第一子序列构建得到第一分解矩阵;利用第二小波基函数对时间序列进行L层分解和重构,并将得到的L个第二子序列构建得到第二分解矩阵;将时间序列、第一分解矩阵和第二分解矩阵输入神经网络模型进行训练,根据损失函数值对神经网络模型的权重参数进行调整,得到训练好的目标神经网络模型。本发明提供的交通流预测方法通过两个不同的小波基函数同时对交通流时间序列进行分解,适应不同场景下的交通流预测。
-
公开(公告)号:CN117935558A
公开(公告)日:2024-04-26
申请号:CN202410228644.X
申请日:2024-02-29
申请人: 重庆高速公路路网管理有限公司 , 重庆交通大学
IPC分类号: G08G1/01 , G06F18/213 , G06F18/25 , G06N3/084 , G06N3/0464 , G06F123/02
摘要: 本发明提供一种融合自相关机制的交通流预测方法、及装置。该预测方法包括:获取交通流的时间序列,并计算其自相关系数序列;获取自相关系数序列的幅值的前L+1个峰值,并将不包括最大峰值的前L个峰值对应的L个滞后阶数作为周期性特征;基于L个滞后阶数中的每个滞后阶数对时间序列进行拆分,将拆分后的多个子序列进行排列得到L个原始序列;对每个原始序列进行循环移位,获取多个重排序列;将每个原始序列和多个重排序列分别作为矩阵的行,构建得到L个二维矩阵,并拼接形成拼接矩阵;将时间序列和拼接矩阵输入神经网络模型进行训练,得到训练好的目标神经网络模型。本发明提供的交通流预测方法能够捕捉时间序列的周期性特征,预测精度高。
-
公开(公告)号:CN117635445A
公开(公告)日:2024-03-01
申请号:CN202311800696.1
申请日:2023-12-26
申请人: 重庆交通大学
摘要: 本发明提供一种图像数据的增广方法、装置、计算机设备及存储介质。该增广方法包括:获取原始图像;将所述原始图像进行二维的傅里叶变换,得到图像F(x);提取图像F(x)的相位分量,并将相位分量进行傅里叶逆变换,得到图像语义分量;对所述图像语义分量进行分布矫正变换,得到分布变换后的语义分量;将分布变换后的语义分量叠加到所述原始图像中,生成语义保持的语义增广图像。该增广方法通过二维的傅里叶变换得到的图像的相位分量中包含了丰富的语义信息,而幅值分量则影响图像的亮度及分布,将相位分量逆变换后得到图像语义分量,再将图像语义分量与原始图像进行加权,生成语义保持不变的语义增广图像,能够降低光照变化的影响。
-
-