10.3969/j.issn.1671-6833.2011.04.015
融合BP神经网络与ARIMA的短时交通流预测
为了能在交通管理中提前采取措施规避可能存在的交通拥挤或堵塞,提出了一种高效可靠的短时交通流预测算法.首先采用BP神经网络与自回归求和滑动平均(ARIMA)两种方法分别建立单项预测子模型,再以BP神经网络作为最优非线性组合模型的逼近器,建立组合预测模型,对单项预测子模型的预测值进行融合,由此得到最终的预测结果.通过MATLAB与SPSS平台对实测交通流量数据进行了仿真分析,结果表明,该种组合预测方法是切实可行的.
智能交通、短时交通流、预测、时间序列、神经网络
32
TP183(自动化基础理论)
河南省自然科学基金资助项目0611054100
2011-12-23(万方平台首次上网日期,不代表论文的发表时间)
共4页
60-63