原文服务方: 计算机应用研究       
摘要:
针对现有的交通流速度预测模型使用唯一数据集且模型单一的问题,提出一种时间序列与人工神经网络相结合的预测模型.该模型通过时间序列分别对实时数据和历史数据建模预测,并应用人工神经网络调整实时数据和历史数据的预测值.实验结果表明该预测模型能够将预测误差控制在7%以内,且能够对不同输入参数下的短时交通流速度进行有效预测.
推荐文章
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
改进时间序列模型在高速公路短时交通流量预测中的应用
交通工程
交通流量预测
时间序列
样本序列
动态建模
参数调整
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
基于模糊神经网络的短时交通流预测方法研究
模糊神经网络
短时交通流
预测方法
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 基于时间序列与BP-ANN的短时交通流速度预测模型研究
来源期刊 计算机应用研究 学科
关键词 时间序列 人工神经网络 短时预测 交通流速度
年,卷(期) 2019,(11) 所属期刊栏目 算法研究探讨
研究方向 页码范围 3262-3265,3329
页数 5页 分类号 TP391.9
字数 语种 中文
DOI 10.19734/j.issn.1001-3695.2018.06.0308
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 张维石 大连海事大学信息科学技术学院 34 272 9.0 15.0
2 翟华伟 大连海事大学信息科学技术学院 3 15 2.0 3.0
3 田瑞杰 大连海事大学信息科学技术学院 1 7 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (127)
参考文献  (10)
节点文献
引证文献  (7)
同被引文献  (25)
二级引证文献  (6)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(4)
  • 参考文献(3)
  • 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(0)
  • 二级参考文献(1)
2016(6)
  • 参考文献(2)
  • 二级参考文献(4)
2017(4)
  • 参考文献(2)
  • 二级参考文献(2)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(6)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(4)
  • 二级引证文献(1)
2019(5)
  • 引证文献(4)
  • 二级引证文献(1)
2020(8)
  • 引证文献(3)
  • 二级引证文献(5)
研究主题发展历程
节点文献
时间序列
人工神经网络
短时预测
交通流速度
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导