基于组合模型的短时交通流预测

摘要：

在交通流预测中,采用单一预测模型对短时交通流进行预报,预报值有时会出现大的随机波动,预测误差超出安全限,对交通流诱导和交通出行决策带来严重后果.为解决上述问题,提出了一种组合预测模型对短时交通流进行预测.首先通过ELM模型预测方法进行短时交通流初始预测;然后采用EMD算法分解初始预测残差得到有限个本征模函数(IMF);其次利用ASPSO算法优化的GRU模型学习各IMF分量的短期时序规律并进行提前预测,求取每个IMF分量的预测数值的和从而获得残差预测值;最后把初始预测值和残差预测值进行求和进而获取最终预测结果.仿真结果表明:与单一的GRU模型和ELM-GRU模型相比,上述组合预测模型的平均绝对误差及均方根误差均为最小,预测精度更高,是一种更为有效的短时交通流预测方法.

关键词：组合模型、经验模态分解、短时交通流、门循环单元神经网络

所属期刊栏目：39

分类号：TP391.9(计算技术、计算机技术)

资助基金：辽宁省自然科学基金2019-ZD-0105

在线出版日期：2022-09-05（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：156-160,406