基于小波神经网络模型的短时交通流低频数据的预测

• 作者: 丁肃然
• 来源期刊: 技术与市场
• 关键词: 交通流预测 小波神经网络 BP神经网络
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 技术研发
• 页码范围: 80-81,83
• 页数: 3页
• 字数: 1876字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-8554.2017.11.039

摘要

交通流量的短时预测问题是交通控制、交通诱导中不可回避的基础性问题.由于短时交通流表现出强烈的非线性、时变性、不确定性,单一的预测方法对短时交通流预测的精度很难得到提高.在多分辨分析思想的指导下,小波分解与重构的Mallat塔式算法可以将交通流数据进行无信息丢失的分解与重构.介绍了利用小波神经网络模型代替传统的BP神经网络模型对分解后的低频信号进行预测,改进了BP神经网络难以科学的确定网络结构、算法收敛速度慢,容易陷入局部极小的固有缺陷,收到了良好的预测效果,预测精度有所提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁肃然		5	15	2.0	3.0