基于ARIMA和小波神经网络组合模型的交通流预测

摘要：

针对现阶段城市道路交通流预测精度不高的局限性，提出了一种基于差分自回归滑动平均( ARIMA)和小波神经网络( WNN)组合模型的预测方法来进行交通流预测。利用差分自回归滑动平均模型良好的线性拟合能力和小波神经网络模型强大的非线性关系映射能力，把交通流时间序列的数据结构分解为线性自相关结构和非线性结构两部分。采用差分自回归滑动平均模型预测交通流序列的线性部分，用小波神经网络模型预测其非线性残差部分，最终合成为整个交通流序列的预测结果。计算机仿真结果表明：组合模型的预测精度高于ARIMA模型和WNN模型各自单独使用时的预测精度，组合模型可以提高交通流预测精度，是交通流预测的有效方法。

关键词：交通流预测、差分自回归滑动平均模型、小波神经网络、组合模型

所属期刊栏目：27

分类号：U491112(交通工程与公路运输技术管理)

资助基金：国家自然科学基金资助项目61401236;南京邮电大学引进人才项目NY214005

在线出版日期：2017-03-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：169-172