融合BP神经网络与ARIMA的短时交通流预测

• 作者: 全书鹏 曾庆山 靳志强
• 来源期刊: 郑州大学学报（工学版）
• 学科: 工学
• 关键词: 智能交通 短时交通流 预测 时间序列 神经网络
• 年，卷（期）: 2011,（4）
• 所属期刊栏目: 电气与自动化工程
• 页码范围: 60-63
• 分类号: TP183
• 字数: 2945字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-6833.2011.04.015

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾庆山	郑州大学电气工程学院	36	155	8.0	11.0
2	全书鹏	郑州大学电气工程学院	1	16	1.0	1.0
3	靳志强	郑州大学电气工程学院	2	17	1.0	2.0