基于相空间重构和RELM的短时交通流量预测

摘要：

为了提高短时交通流量预测的精度,构建了基于相空间重构和正则化极端学习机的短时交通流量预测模型.首先采用C-C算法求解交通流量时间序列的最佳时间延迟和嵌入维数,进行相空间重构;然后选用G-P算法计算序列关联维数,判断出短时交通流量序列具有混沌特性.在此基础上,将重构数据作为正则化极端学习机的输入和输出来训练模型,并采用网格搜索法优化模型参数.最后以实测数据为基础,对模型的预测效果进行对比分析.结果表明,新构建模型的预测效果良好,能够有效提高短时交通流量预测精度.

关键词：交通工程、短时交通预测、相空间方法、极端学习机

所属期刊栏目：44

分类号：U491(交通工程与公路运输技术管理)

资助基金：国家科技支撑计划项目2014BAG03B03;国家自然科学基金资助项目51308249,51308248,51408257;山东省省管企业科技创新项目20122150251-5Supported by the National Key Technology Reserch and Development Program the Ministry of Science and Technology of China2014BAG03B03;the National Natural Science Foundation of China51308249,51308248,51408257

在线出版日期：2016-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：109-114