基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
利用ELMAN神经网络,采用相关站点历史数据逼近的方法,建立了流量差值预测模型;采用主成分分析法确定神经网络输入参数;运用叠加噪声法对神经网络模型进行了泛化处理.预测模型能反映流量差值的变化趋势.
推荐文章
船舶交通流量预测的灰色神经网络模型
船舶交通量
灰色模型
神经网络
基于PSO的BP神经网络-Markov船舶交通流量预测模型
船舶交通流量预测
BP神经网络
马尔科夫模型(Markov模型)
粒子群优化(PSO)
基于深度卷积神经网络的交通流量预测数学模型设计
交通流量预测
智能交通
数学模型
深度神经网络
预测精度
仿真实验
基于PSO-Elman模型的网络流量预测
相空间重构
粒子群算法
Elman神经网络
混沌时间序列
网络流量预测
参数优化
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于ELMAN网络的交通流量差值预测模型
来源期刊 交通信息与安全 学科 交通运输
关键词 预测 流量差值 ELMAN网络 主成分分析 泛化
年,卷(期) 2009,(1) 所属期刊栏目 方法研究与探讨
研究方向 页码范围 48-50
页数 3页 分类号 U49
字数 2451字 语种 中文
DOI 10.3963/j.issn.1674-4861.2009.01.013
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (1)
共引文献  (6)
参考文献  (2)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
预测
流量差值
ELMAN网络
主成分分析
泛化
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
交通信息与安全
双月刊
1674-4861
42-1781/U
大16开
武汉市武昌和平大道1178号
38-94
1983
chi
出版文献量(篇)
3739
总下载数(次)
14
总被引数(次)
29572
论文1v1指导