基于灰色人工神经网络组合模型的交通量预测

• 作者: 严磊
• 来源期刊: 北京工商大学学报（自然科学版）
• 学科: 社会科学
• 关键词: 无偏GM(1,1)模型 贝叶斯正则化 神经网络 交通量预测
• 年，卷（期）: 2010,（2）
• 所属期刊栏目: 数理科学
• 页码范围: 76-78,82
• 分类号: C931.1
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1513.2010.02.017

摘要

针对公路远景交通量预测工作中常存在交通量原始数据呈随机性、非线性变化的特点,同时学习样本量较小、信息不充分的问题,充分利用贝叶斯正则化神经网络非线性逼近,良好的泛化能力和无偏GM(1,1)模型的少数据建模,弱化原始数据随机性并增强规律性,消除了传统GM(1,1)模型预测所固有的偏差的优点,建立无偏GM(1,1)-贝叶斯正则化神经网络交通量组合预测模型,并应用于实际交通量预测中.与传统BP预测模型比较,算例结果表明所建模型有效可行,提高了预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	严磊	重庆大学数理学院	2	5	2.0	2.0