基于改进动态递归神经网络的交通量短时预测方法

摘要：

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。

关键词：交通运输工程、交通流量预测、动态递归网络、可变增益因子

所属期刊栏目：42

分类号：U491.2(交通工程与公路运输技术管理)

资助基金：“863”国家高技术研究发展计划项目2009AAllZ208

在线出版日期：2012-09-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：887-891