数据挖掘在短时交通流预测模型中的应用研究
为准确地对交通流进行短时预测,提出了一种新的基于数据挖掘技术的预测模型.该模型综合了改进遗传算法、粗糙集理论和小波神经网络三种数据挖掘技术.建模阶段分为离散化、属性约简和训练三个步骤.在离散化的过程中,采用了改进的遗传算法,保证了系统分类能力,且使断点数目最少;属性约简中采用了粗糙集理论,选择对交通流预测密切相关的属性,加速了小波神经网络的预测速度并使其结构简化;训练中利用了小波变换非线性特性,采用经过属性约简后的数据对小波神经网络进行训练,从而获得短时预测模型.为验证模型的有效性,进行了对比测试,分析结果证实了该预测模型比传统方法具有更高的精度和速度,为交通流的准确实时预测提供了一种新的思路.
数据挖掘、预测模型、粗糙集、遗传算法、小波神经网络
14
TP311.13(计算技术、计算机技术)
国家科技支撑计划资助项目2006BAF01A46;上海市社会发展重大专项资助项目06DZ12001;上海市基础研究重点资助项目06JC14066;上海市科技发展基金重点资助项目061612058;上海市登山行动计划资助项目061111006
2008-07-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
690-695