交通流量VNNTF神经网络模型多步预测研究

• 作者: 何怡刚 殷礼胜 董学平 鲁照权
• 来源期刊: 自动化学报
• 关键词: 相空间重构, 泛函级数, 多步预测, VNN 神经网络, 算法, 混沌引用格式 殷礼胜, 何怡刚, 董学平, 鲁照权. 交通流量VNNTF 神经网络模型多步预测研究. 自动化学报, 2014, 40(9)：2066-2072
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 短文
• 页码范围: 2067-2073
• 页数: 7页
• 字数: 8082字
• 语种: 中文
• DOI: 10.3724/SP.J.1004.2014.02066

摘要

研究了VNNTF神经网络(Volterra neural network traffic flow model, VNNTF)交通流量混沌时间序列多步预测问题。通过分析比较交通流量混沌时间序列相空间重构的嵌入维数和Volterra 离散模型之间的关系,给出了确定交通流量Volterra 级数模型截断阶数和截断项数的方法,并在此基础上建立了VNNTF神经网络交通流量时间序列模型；设计了交通流量Volterra 神经网络的快速学习算法；最后,利用交通流量混沌时间序列对VNNTF 网络模型, Volterra 预测滤波器和BP 网络进行了多步预测实验,比较了多步预测结果的仿真图、绝对误差的柱状图以及归一化后的方均根；实验结果表明VNNTF 神经网络的多步预测性能明显优于Volterra 预测滤波器和BP 神经网络。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董学平	合肥工业大学电气与自动化工程学院	48	294	10.0	13.0
2	鲁照权	合肥工业大学电气与自动化工程学院	60	423	12.0	16.0
3	殷礼胜	合肥工业大学电气与自动化工程学院	17	84	6.0	8.0
4	何怡刚	合肥工业大学电气与自动化工程学院	175	1119	17.0	26.0