基于SARIMA的电梯交通流递归预测方法的研究

摘要

本论文主要研究了基于SARIMA的电梯交通流递归预测方法。 在电梯群控算法中，良好的电梯交通流预测系统能够为电梯群组的调度提供有益的、具有预见性的指导。因此本论文在深入分析电梯交通流特点的基础上，根据电梯交通流序列只是简单的单变量时间序列这一特点，提出了一种基于季节ARIMA模型(SARIMA)的递归预测方法。 本文在广泛阅读国内外文献的基础上，针对目前使用的电梯交通流预测方法中存在的问题，提出了一种离线的时间序列分析与在线的Kalman递归预测相结合的方法。并且在离线分析的过程中引入异常值检测环节，尽量降低训练数据中存在的异常值对将来预测的影响。该方法主要包括两个步骤，即离线分析和在线预测。第一步，首先采用季节时间序列分析法对电梯交通流训练数据进行分析得到初始的时间序列模型，然后启动异常值检测模块，并根据检测出来的异常值对原始序列进行修正得到修正的序列，最后利用修正的序列得到最终的电梯交通流季节时间序列模型；第二步，先把第一步中得到的电梯交通流季节时间序列模型转化为状态空间模型，然后使用Kalman滤波法在线调整模型参数，进而实现在线预测。由于以SARIMA模型作为基础，使得Kaknan滤波中状态向量初值比较接近于正常的参数值，减少了迭代次数，缩短了在线预测的时间。同时因为离线训练过程中引入了异常值检测环节，使得预测效果更加精确。这些都是论文的创新之处。 在论文的最后，在Matlab7.0和SAS 9.0的环境下对SARIMA递归预测方法进行仿真，通过各种试验测试和仿真结果的分析，证明本文中提出的方法无论是在运行的时间还是预测的精度方面都能取得较好的结果。

目录

文摘

英文文摘

声明

第一章绪论

1.1课题的研究背景和意义

1.2交通流预测国内外研究现状及发展趋势

1.2.1交通流预测国内外研究现状

1.2.2预测方法研究的发展趋势

1.3论文的主要研究内容及创新点

1.3.1论文的主要内容

1.3.2论文的创新点

第二章交通流序列季节时间序列分析

2.1简单时间序列模型

2.1.1简单时间序列分析的几个基本概念

2.1.2几种简单的时间序列模型

2.2电梯交通流序列的平稳性分析

2.3季节时间序列模型

2.4电梯交通流SAEIMA模型的选择及估计

2.4.1电梯交通流SARIMA模型的识别

2A.2电梯交通流SARIMA模型的参数估计

2.4.3电梯交通流SARIMA模型的诊断

2.5本章小结

第三章时间序列的异常值及其检测算法

3.1异常值定义及其种类

3.2异常值检测算法

3.2.1新息及附加异常值检测算法

3.2.2改进的新息及附加异常值检测算法

3.2.3电梯交通流序列异常值检测算法

3.3带有异常值检测的电梯交通流时间序列建模方法

3.4本章小结

第四章电梯交通流Kalman递归预测

4.1时间序列模型状态空间表达式的一般形式

4.2电梯交通流SARIMA模型的状态空间表达式

4.3电梯交通流Kalman递归预测

4.4电梯交通流SARIMA递归预测方法的详细步骤

4.5预测效果性能测试标准

4.6本章小结

第五章电梯交通流SARIWA递归预测方法的仿真及分析

5.1电梯交通流初始SARIMA模型的确定

5.1.1初始模型差分阶数的确定

5.1.2初始模型的确定

5.2 SARIMA异常值检验及分析

5.3 SARIMA递归模型的预测结果及其分析

5.3.1无异常值检测模块的递归预测结果及分析

5.3.2加入异常值检测模块的SARIMA递归预测结果及分析

5.4预测效果评价分析

5.5本章小结

结束语

参考文献

发表论文和科研情况说明

致谢