基于粗集和神经网络耦合的短时交通流预测

• 作者: 姚琛 汉克·范少伦 罗霞
• 来源期刊: 公路交通科技
• 学科: 交通运输
• 关键词: 交通工程 短时预测 粗糙集 神经网络 交通流
• 年，卷（期）: 2010,（11）
• 页码范围: 104-107
• 分类号: U491
• 字数: 3513字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0268.2010.11.019

摘要

比较分析神经网络和粗糙集在数据处理过程中的各自优缺点,提出一种基于二者强耦合集成方式的短时交通流预测模型.首先利用粗集对获取的交通流数据进行预处理,简化神经网络训练样本数据集并通过粗集属性约简提取决策规则;其次,利用所提取的规则直接确定神经网络的隐层数、隐层节点数及节点的相互关系;最后训练神经网络用于短时交通流预测.通过与单纯利用神经网络预测的结果进行比较,发现该模型降低了网络训练时间,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	罗霞	西南交通大学交通运输学院	129	1416	20.0	32.0