基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文采用EMD自适应方法去噪,剖析了小波神经网络预测短时交通流的适应性,利用小波神经网络的特点提出了短期交通流预测模型以及噪声数据预处理模型的对比分析,达到良好的去噪效果,使数据更加真实,结果更为牢靠.采用大庆某交叉路口实际测量交通流量,并运用小波神经网络建立非线性回归预测模型,预测结果证明是牢靠的,有利于城市交通流的动态预测分析,可为智能交通系统的构建提供数据支持.
推荐文章
基于核学习方法的短时交通流量预测
核学习方法
短时交通流
预测
基于深度学习的短时交通流预测
交通流预测
深度学习
短时交通流
支持向量回归
短时交通流预测方法研究
相关分析
支持向量机
交通流预测
智能交通
利用模糊时间序列进行短时交通流预测
短时交通流预测
模糊时间序列
时变模糊时间序列
时不变模糊时间序列
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 短时交通流量预测
来源期刊 神州(下旬刊) 学科
关键词 交通流预测 EMD去噪 小波神经网络
年,卷(期) 2016,(6) 所属期刊栏目 百家论坛
研究方向 页码范围 144
页数 1页 分类号
字数 1628字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 姚雪 黑龙江八一农垦大学信息技术学院 1 0 0.0 0.0
2 陈丽娟 黑龙江八一农垦大学信息技术学院 1 0 0.0 0.0
3 王密霖 黑龙江八一农垦大学信息技术学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (21)
共引文献  (23)
参考文献  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
交通流预测
EMD去噪
小波神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
神州(下旬刊)
月刊
chi
出版文献量(篇)
14642
总下载数(次)
19
总被引数(次)
5290
论文1v1指导