10.3969/j.issn.1006-8554.2017.11.039
基于小波神经网络模型的短时交通流低频数据的预测
交通流量的短时预测问题是交通控制、交通诱导中不可回避的基础性问题.由于短时交通流表现出强烈的非线性、时变性、不确定性,单一的预测方法对短时交通流预测的精度很难得到提高.在多分辨分析思想的指导下,小波分解与重构的Mallat塔式算法可以将交通流数据进行无信息丢失的分解与重构.介绍了利用小波神经网络模型代替传统的BP神经网络模型对分解后的低频信号进行预测,改进了BP神经网络难以科学的确定网络结构、算法收敛速度慢,容易陷入局部极小的固有缺陷,收到了良好的预测效果,预测精度有所提高.
交通流预测、小波神经网络、BP神经网络
24
TP3;TP1
2017-11-27(万方平台首次上网日期,不代表论文的发表时间)
共3页
80-81,83