融合Elman神经网络与EMD的交通拥堵指数预测

• 作者: 徐建新 李振国
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 经验模态分解 偏自相关函数 Elman神经网络 交通拥堵指数
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 人工智能
• 页码范围: 11-16
• 页数: 6页
• 分类号: TP301
• 语种: 中文
• DOI: 10.11907/rjdk.201977

摘要

为了提高传统方法生成交通拥堵指数(TPI)的准确率,引入一种基于经验模态分解(EMD)与Elman神经网络的组合模型实现交通拥堵指数预测.首先,利用EMD将TPI序列分解为不同时间尺度下的IMF分量和剩余分量;然后,通过偏自相关函数(PACF)计算各分量的滞后期数,以此确定各分量在Elman神经网络中的输入和输出变量;之后,通过上述方法计算出各分量预测值并相加;最后,计算出总预测结果.通过计算结果可知,EMD-PACF-Elman预测方法3个评价指标(平均绝对误差、均方误差、平均绝对百分误差)的计算结果与单一Elman神经网络模型、EMD-Elman神经网络模型、单一BP神经网络模型、EMD-BP神经网络模型相比都为最低,分别为0.5624、0.5989、0.1107.因此,EMD-PACF-Elman预测方法可以有效地预测TPI,同时也为进一步预测交通拥堵趋势提供了依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐建新		32	58	4.0	5.0
2	李振国		1	0	0.0	0.0