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:
分析了交通流由线性和非线性部分组成,使用ARIMA模型、指数平滑模型和灰色模型对线性部分进行预测,并且以预测误差平方和最小为准则确定这3个模型预测结果的最优加权系数,得到这3个模型的最优组合,最后对非线性残差部分使用支持向量机模型进行预测.通过实例分析发现,组合预测模型相比单个预测方法具有更高的精度,能够较准确地对交通流进行预测.
推荐文章
基于遗传算法的交通流量组合预测研究
智能交通
遗传算法
组合预测
基于改进的路网聚类结合PSOWNN的交通流预测
交通流预测
相关性路网聚类
分段加权适应度函数
粒子群算法
小波神经网络
基于加权组合模型的短时交通流预测研究
非参数回归
小波神经网络
短时交通流预测
组合预测
短时交通流预测方法研究
相关分析
支持向量机
交通流预测
智能交通
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 基于最优加权法的改进交通流组合预测研究
来源期刊 暨南大学学报(自然科学与医学版) 学科 交通运输
关键词 交通流预测 ARIMA模型 指数平滑模型 灰色预测模型 最优加权 误差平方和 支持向量机
年,卷(期) 2010,(5) 所属期刊栏目
研究方向 页码范围 457-461
页数 分类号 U491
字数 4186字 语种 中文
DOI 10.3969/j.issn.1000-9965.2010.05.008
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 谭满春 暨南大学数学系 36 477 11.0 21.0
2 李长锦 暨南大学数学系 1 13 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (44)
共引文献  (176)
参考文献  (9)
节点文献
引证文献  (13)
同被引文献  (23)
二级引证文献  (9)
1969(2)
  • 参考文献(1)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(7)
  • 参考文献(1)
  • 二级参考文献(6)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2007(8)
  • 参考文献(0)
  • 二级参考文献(8)
2008(4)
  • 参考文献(2)
  • 二级参考文献(2)
2009(5)
  • 参考文献(4)
  • 二级参考文献(1)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(3)
  • 引证文献(2)
  • 二级引证文献(1)
2017(6)
  • 引证文献(3)
  • 二级引证文献(3)
2018(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
交通流预测
ARIMA模型
指数平滑模型
灰色预测模型
最优加权
误差平方和
支持向量机
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
暨南大学学报(自然科学与医学版)
双月刊
1000-9965
44-1282/N
16开
广州市石牌暨南大学
1936
chi
出版文献量(篇)
3168
总下载数(次)
6
总被引数(次)
18800
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导