基于GRNN并融合卡尔曼滤波实现短时交通流预测

• 作者: 徐健锐 陈丹
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 交通流 广义回归神经网络 卡尔曼滤波 短时预测
• 年，卷（期）: 2012,（8）
• 所属期刊栏目: 软件理论与方法
• 页码范围: 23-25
• 页数: 3页
• 分类号: TP301
• 字数: 3591字
• 语种: 中文

摘要

针对卡尔曼滤波应用需要构建精确数学模型的局限,提出将广义回归神经网络与卡尔曼滤波相融合,并将其用于短时交通流预测.这种融合后的新方法利用了GRNN良好的非线性映射能力,能对实际系统进行系统辨识,并获得符合预测要求的系统状态方程.深圳市实际流量数据的验证表明,这种方法在简化系统数学建模的同时,也能达到较高的预测精度,从而证实了这种方法的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐健锐		4	39	3.0	4.0
2	陈丹		2	3	1.0	1.0