一种短时交通流组合预测模型

• 作者: 宁丹 罗中萍
• 来源期刊: 交通科技
• 学科: 交通运输
• 关键词: 短时交通流 组合预测 神经网络 时间序列
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 交通工程
• 页码范围: 97-101
• 页数: 5页
• 分类号: U491
• 字数: 3752字
• 语种: 中文
• DOI: 10.3963/j.issn.1671-7570.2020.01.021

摘要

为提高短时交通流预测的精度,提出利用BP神经网络、RBF神经网络和ARIMA模型构建组合预测模型,该组合预测模型利用最优化原理进行权系数的分配,并且满足分配到的权值始终具有实际意义.通过对分配的权系数进行显著性检验,以确保组合预测模型中选用的单项预测方法显著相关.通过实例分析,验证了组合预测模型的有效性,结果表明,相比较单一的预测模型,组合预测模型具有更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗中萍		1	0	0.0	0.0
2	宁丹		1	0	0.0	0.0