基于田口集成学习的最佳交通流量预测模型

摘要：

针对预测准确性对数据相关性和网络结构极为敏感的问题,采用田口方法选择集成学习的结构参数,在保证学习多样性的同时,提高选择过程的效率,保证预测的准确性.实验仿真计算结果表明,在多个路段的交通流量数据集上,该方法皆取得了满意的预测效果,模型具有较好的鲁棒性.将仿真结果与其它算法进行比较,比较结果表明,相比传统ARIMA、MLP模型,其预测精度分别提高了4.51％、11.23％.

关键词：数据相关长度、网络结构、田口方法、集成学习、鲁棒性

所属期刊栏目：40

分类号：TP183(自动化基础理论)

资助基金：新疆维吾尔自治区自然科学基金项目2018D01C047

在线出版日期：2020-01-11（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：3451-3456