基于主成分分析和组合神经网络的短时交通流预测方法

被引：25

作者：

张晓利

贺国光

机构：

[1] 天津大学系统工程研究所

来源：

系统工程理论与实践 | 2007年 / 08期

关键词：

预测; 短时交通流; 主成分分析; 组合神经网络;

D O I：

暂无

中图分类号：

U491.14 []; TP183 [人工神经网络与计算];

学科分类号：

082302 ; 082303 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出一种将主成分分析和组合神经网络相结合的方法来预测短时交通流量.将预测路段历史流量及其相关路段的历史流量进行主成分分析,分析结果作为组合神经网络的输入数据,这样不仅减少了输入变量个数,减小网络规模,而且保留了原始变量的主要信息,消除变量之间的相关性.给出了一个说明该方法有效性的例子,用同一组数据比较该方法与典型BP网络的预测效果,结果表明该方法明显优于BP网络.

引用

页码：167 / 171

页数：5

共 7 条

[1] 基于模糊C均值聚类和神经网络的短时交通流预测方法 [J].

杨世坚 ;

贺国光 ;

不详 .

系统工程 , 2004, (08) :83-86

[2] 用相关路段交通流逼近目标路段流量的神经网络方法 [J].

李存军 ;

邓红霞 .

交通运输工程与信息学报, 2004, (01) :75-80

[3]

实用多元统计分析.[M].()RichardA.Johnson;()DeanW.Wichern著;陆璇译;.清华大学出版社.2001,

[4]

回归分析与经济数据建模.[M].何晓群编著;.中国人民大学出版社.1997,

[5]

Neural network model for rapid forecasting of freeway link travel time.[J].Abhijit Dharia;Hojjat Adeli.Engineering Applications of Artificial Intelligence.2003, 7

[6] An object-oriented neural network approach to short-term traffic forecasting [J].

Dia, H .

EUROPEAN JOURNAL OF OPERATIONAL RESEARCH, 2001, 131 (02) :253-261

[7] Should we use neural networks or statistical models for short-term motorway traffic forecasting? [J].

Kirby, HR ;

Watson, SM ;

Dougherty, MS .

INTERNATIONAL JOURNAL OF FORECASTING, 1997, 13 (01) :43-50

← 1 →