基于粗集和神经网络耦合的短时交通流预测

被引：5

作者：

姚琛 ^{[1
,2
]}

罗霞 ^{[1
]}

汉克范少伦 ^{[2
]}

机构：

[1] 西南交通大学交通运输学院

[2] 代尔伏特理工大学土木工程与地球物理系

来源：

公路交通科技 | 2010年 / 27卷 / 11期

关键词：

交通工程; 短时预测; 粗糙集; 神经网络; 交通流;

D O I：

暂无

中图分类号：

U491.112 [];

学科分类号：

摘要：

比较分析神经网络和粗糙集在数据处理过程中的各自优缺点,提出一种基于二者强耦合集成方式的短时交通流预测模型。首先利用粗集对获取的交通流数据进行预处理,简化神经网络训练样本数据集并通过粗集属性约简提取决策规则;其次,利用所提取的规则直接确定神经网络的隐层数、隐层节点数及节点的相互关系;最后训练神经网络用于短时交通流预测。通过与单纯利用神经网络预测的结果进行比较,发现该模型降低了网络训练时间,提高了预测精度。

引用

页码：104 / 107

页数：4

共 11 条

[1]

现代数据分析.[M].吴今培;孙德山编著;.机械工业出版社.2006,

[2] 一种基于粗糙集与BP神经网络集成的新方法 [J].