没有合适的资源?快使用搜索试试~ 我知道了~
%26nbsp%3b基于ARIMA和小波神经网络组合模型的交通流预测1
需积分: 0 0 下载量 26 浏览量
2022-08-03
17:28:38
上传
评论
收藏 1.18MB PDF 举报
温馨提示
试读
4页
摘要:针对现阶段城市道路交通流预测精度不高的局限性,提出了一种基于差分自回归滑动平均(ARIMA)和小波神经网络(WNN)组合模型的预测方法来进行交通流预测。利
资源详情
资源评论
资源推荐
收稿日期: 修回日期: 网络出版时间:
基金项目:国家自然科学基金资助项目 南京邮电大学引进人才项目
作者简介:成 云女研究方向为交通流预测在智能交通系统中的应用成孝刚讲师研究方向为交通流预测在智能交通系统中的
应用和雾霾能见度检测
网络出版地址:
基于 ARIMA 和小波神经网络组合
模型的交通流预测
成 云,成孝刚,谈苗苗,周 凯,李海波
(南京邮电大学 通信与信息工程学院,江苏 南京 )
摘 要:针对现阶段城市道路交通流预测精度不高的局限性提出了一种基于差分自回归滑动平均 和小波神经
网络组合模型的预测方法来进行交通流预测 利用差分自回归滑动平均模型良好的线性拟合能力和小波神经网
络模型强大的非线性关系映射能力把交通流时间序列的数据结构分解为线性自相关结构和非线性结构两部分 采用差
分自回归滑动平均模型预测交通流序列的线性部分用小波神经网络模型预测其非线性残差部分最终合成为整个交通
流序列的预测结果 计算机仿真结果表明组合模型的预测精度高于 模型和 模型各自单独使用时的预测精
度组合模型可以提高交通流预测精度是交通流预测的有效方法
关键词:交通流预测差分自回归滑动平均模型小波神经网络组合模型
中图分类号: 文献标识码: 文章编号:()
. / j. issn. X. . .
Traffic Flow Prediction Based on Hybrid Model of ARIMA and WNN
CHENG YunCHENG XiaogangTAN MiaomiaoZHOU KaiLI Haibo
School of Telecommunications and Information EngineeringNanjing University of
Posts and TelecommunicationsNanjing China
AbstractAimed at the limitation of low prediction accuracy at the present stage of city road traffica prediction method is proposed based
on Hybrid Autoregressive Integrated Moving Average ARIMA and Wavelet Neural Network WNN to predict traffic flow. Using the
good linear fitting ability of ARIMA and the strong nonlinear mapping ability of WNNthe traffic flow time series are considered to be
composed of a linear autocorrelation structure and a nonlinear structure. ARIMA model is used to predict the linear component of traffic
flow time series and the wavelet neural network model is applied to the nonlinear residual component prediction. The simulation results
show that the hybrid model can produce more accurate prediction than that of single modelwhich improves prediction accuracy of traffic
flow predictionand it s an efficient method.
Key wordstraffic flow predictionARIMA modelwavelet neural networkhybrid model
0 引 言
准确实时的交通流信息在智能交通系统中起着十
分重要的作用因此交通流预测受到广泛关注
其
主要预测方法包括 种基于线性理论的预测方法基
于知识发现的智能模型预测方法基于非线性理论的
预测方法
其中一些预测方法在交通流预测应用中
取得了不错的预测效果但是单个预测方法并不适用
于所有交通状态同时实际的交通流往往既有线性特
征又有非线性特征仅采用某一种预测模型难以很
好地反映出时间序列的线性与非线性双重特征所以
应该依据交通流的实际情况来选取合适的预测模型
为了更 好 地 发 挥 各 种 模 型 的 预 测 优 势 在 年
Bates 等提出组合预测理论即把多种预测方法组合起
来以获得更好的预测效果 Zhang 在预测太阳黑子的
问题中也采用了 组 合模 型其 预 测效 果 比 单个 模 型
更好
文中使用差分自回归滑动平均 ARIMA 模型和
小波神经网络 WNN 模型相结合的方法来预测交通
第 卷 第 期
年 月
计 算 机 技 术 与 发 展
万方数据
正版胡一星
- 粉丝: 19
- 资源: 304
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0