[发明专利]一种基于多变量灰色模型时间序列的车流量预测方法

权利要求书

1.一种基于多变量灰色模型时间序列的车流量预测方法，其特征在于：所述方法包括以下内容：

S1、输入采集的观测站车流量和相关外部变量数据以及观测站信息数据；

S2、对输入的数据进行数据预处理；

S3、将进行数据预处理后的数据输入到基于数据分解的多变量时间序列融合预测模型和基于结果加权的多变量时间序列融合预测模型中进行预测：基于数据分解的多变量时间序列融合预测模型的预测结果为多元季节性时间序列分析模型所得的季节分量和余项与人工鱼群算法优化后的带卷积积分的多变量灰色模型所得的趋势分量的集合；基于结果加权的多变量时间序列融合预测模型的预测结果为梯度提升决策树算法所得的预测结果和权值系数与人工鱼群算法优化后的带卷积积分的多变量灰色模型所得的预测结果和权值系数的集合；

S4、将预测值与实际值进行对比，输出最终结果：预测值为基于数据分解的多变量时间序列融合预测模型和基于结果加权的多变量时间序列融合预测模型的预测结果的平均值。

2.根据权利要求1所述的一种基于多变量灰色模型时间序列的车流量预测方法，其特征在于：所述对输入的数据进行数据预处理的具体步骤如下：

S21、将输入的观测站车流量以及相关外部变量数据进行数据清洗去重、去噪和填充的数据预处理；

S22、将预处理后的数据预观测站信息数据进行融合并输入到最终结果。

3.根据权利要求2所述的一种基于多变量灰色模型时间序列的车流量预测方法，其特征在于：所述将输入的观测站车流量以及相关外部变量数据进行数据清洗去重、去噪和填充的数据预处理包括以下内容：

对于重复数据进行删除；

对于缺失数据：如果在某时间点存在缺失数据，则取前后两个时间点的平均值进行填充；如果存在一段时间内的数据缺失，则取上一周同期时间段与前一天和后一天同时间段的数据平均值进行填充；

对于异常数据：如果车流量低于数值0，则以0进行替换；如果某时间点车流量与前后两个时间点的数据差异过大，则取前后两个时间点的平均值进行替换。

4.根据权利要求1所述的一种基于多变量灰色模型时间序列的车流量预测方法，其特征在于：在将进行数据预处理后的数据输入到基于数据分解的多变量时间序列融合预测模型和基于结果加权的多变量时间序列融合预测模型中进行预测之前还需要建立基于数据分解的多变量时间序列融合预测模型和基于结果加权的多变量时间序列融合预测模型。

5.根据权利要求1所述的一种基于多变量灰色模型时间序列的车流量预测方法，其特征在于：建立S3步骤所述人工鱼群算法优化后的带卷积积分的多变量灰色模型包括以下步骤：

数据预处理生成多变量时间序列；

建立带卷积积分的多变量灰色模型GMC（1，n）；

采用人工鱼群算法对带卷积积分的多变量灰色模型GMC（1，n）进行优化；

得到优化后的灰色参数，构建工鱼群算法优化后的带卷积积分的多变量灰色模型。