基于组合模型的短时交通流量预测

• 作者: 李冰锋 车凯 钱伟
• 来源期刊: 控制工程
• 学科: 交通运输
• 关键词: 交通流预测 灰色算法 ELM神经网络 组合模型
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 建模与仿真系统
• 页码范围: 125-130
• 页数: 6页
• 分类号: U491.1
• 字数: 4929字
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.160717

摘要

为了进一步提高交通流预测的精度,根据交通流的固有特点,提出了一种短时交通流预测组合模型.该模型包括灰色算法和ELM (Extreme Learning Machine)神经网络2个子模型:灰色算法对平稳数据预测精度较好,ELM 神经网络具有训练时间短,预测精度高,抗干扰能力强的特点.在对交通流量的数据特点和子模型不同预测原理分析的基础上,通过计算交通流数据波动的大小和两种子模型的预测误差,确定子模型预测结果在组合模型中所占的权重,然后进一步得到基于组合模型的预测值.通过实验证实,所提方法优于现有的一些成果,是一种短时交通流预测的有效方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱伟	河南理工大学电气工程与自动化学院	35	206	9.0	13.0
2	李冰锋	河南理工大学电气工程与自动化学院	9	47	5.0	6.0
3	车凯	河南理工大学电气工程与自动化学院	2	14	2.0	2.0