基于组合模型的短时交通流量预测
作者:
钱伟
车凯
李冰锋
关键词:
交通流预测
灰色算法
ELM神经网络
组合模型
摘要：
为了进一步提高交通流预测的精度,根据交通流的固有特点,提出了一种短时交通流预测组合模型.该模型包括灰色算法和ELM (Extreme Learning Machine)神经网络2个子模型:灰色算法对平稳数据预测精度较好,ELM 神经网络具有训练时间短,预测精度高,抗干扰能力强的特点.在对交通流量的数据特点和子模型不同预测原理分析的基础上,通过计算交通流数据波动的大小和两种子模型的预测误差,确定子模型预测结果在组合模型中所占的权重,然后进一步得到基于组合模型的预测值.通过实验证实,所提方法优于现有的一些成果,是一种短时交通流预测的有效方法.
上一篇： 基于KPCA-Bagging的高斯过程回归建模方法及应用
下一篇： 基于慢特征分析的高斯过程回归建模