交通流量VNNTF神经网络模型及其预测研究

摘要：

研究了VNNTF神经网络交通流量混沌时间序列预测的问题.首先,通过混沌理论提取了交通流量时间序列的混沌特征,并在此基础上建立了VNNTF神经网络交通流量时间序列模型;接着,阐述了VNNTF神经网络学习算法原理,设计了交通流量Voherra神经网络的学习算法快速学习算法;最后利用交通流量混沌时间序列对VNNTF网络模型、Voherra预测滤波器和BP神经网络进行了单步预测,并对预测结果的仿真图和真实值与预测值的方均根进行了比较,结果表明基于混沌学习算法的VNNTF神经网络的预测性能明显优于Volterra预测滤波器和BP神经网络.

关键词：混沌理论、相空间重构、时间序列预测、神经网络、算法

所属期刊栏目：26

分类号：TP273(自动化技术及设备)

资助基金：国家自然科学基金资助项目60974022

在线出版日期：2010-11-30（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：721-725