基于改进动态递归神经网络的交通量短时预测方法
针对已有基于改进动态递归神经网络预测方法的不足,并充分考虑交通流本身所存在的复杂性、非线性和不确定性特点,提出了一种基于可变增益Elman神经网络的交通量短时预测方法。该方法通过引入一个基于实时误差分析的可变增益因子,实现了网络的实时更新。通过长春市人民大街的实测数据对方法进行了验证。试验结果表明,本文方法在网络收敛时间和预测精度方面均优于已有的基于Elman神经网络的预测模型。
交通运输工程、交通流量预测、动态递归网络、可变增益因子
42
U491.2(交通工程与公路运输技术管理)
“863”国家高技术研究发展计划项目2009AAllZ208
2012-09-11(万方平台首次上网日期,不代表论文的发表时间)
共5页
887-891