基于灰色-BP神经网络模型的短时交通量预测

• 作者: 田家成 陆严晨
• 来源期刊: 信息与电脑
• 关键词: 灰色-BP神经网络预模型 短时交通量 预测
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 算法语言
• 页码范围: 61-64
• 页数: 4页
• 分类号: TP3
• 语种: 中文
• DOI: 10.3969/j.issn.1003-9767.2021.09.019

摘要

短时交通量具有明显周期性、非线性的特点,为提高短时交通量预测的精度,笔者提出将灰色GM(1,1)模型与BP神经网络相结合的方法,并以上海市浦东新区陆家嘴东路真实数据为样本进行实验计算与对预测结果对比.该灰色神经网络模型GNNM(1,1)兼具两种模型的优势.实验结果表明,相较于传统的灰色GM(1,1)模型,灰色BP神经网络模型具有更高的预测精度,为预测短时交通量提供了一种新思路.