基于相空间重构的GQPSO-WNN短时交通流预测

• 作者: 唐瑞 类先富 陈庆春
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 相空间重构 量子粒子群 遗传算法 小波神经网络 交通流预测
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 算法
• 页码范围: 311-316
• 页数: 6页
• 分类号: TP3
• 字数: 4486字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.07.053

摘要

交通流预测有助于减少交通拥堵和交通事故发生.在定量分析交通流变化过程的混沌特性以及可预测性基础上,提出一种基于相空间的GQPSO-WNN的混合预测模型.引入遗传算法,使用混合优化后的量子粒子群算法初始化小波神经网络的各项参数,克服网络因初始值设置不当造成无法收敛或陷入多个局部极小值的问题.由于神经网络输入的随机性,采用重新构建交通流时间序列的相空间技术,用重构后的数据作为输入样本.实验结果表明,与WNN、PSO-WNN预测模型相比,该模型可以更加准确预测交通流,算法收敛性也有明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	类先富	西南交通大学信息科学与技术学院	5	2	1.0	1.0
2	陈庆春	广州大学机械与电气工程学院	2	2	1.0	1.0
3	唐瑞	西南交通大学信息科学与技术学院	1	2	1.0	1.0