基于小波去噪和GA-Elman神经网络的短时交通流预测

被引：11

作者：

刘艺

张琨

机构：

[1] 南京理工大学计算机科学与工程学院

来源：

交通科技与经济 | 2015年 / 17卷 / 06期

关键词：

小波去噪; 神经网络; 遗传算法; 交通流预测;

D O I：

10.19348/j.cnki.issn1008-5696.2015.06.018

中图分类号：

U491.14 [];

学科分类号：

摘要：

为解决短时交通流的非线性和强干扰特征带来的预测精确度较低问题,首先采用启发式阈值算法对小波分解后的原始数据做去噪处理,使去噪后的数据更平稳真实地反映交通流的变化规律,然后利用遗传算法优化Elman神经网络模型对交通流进行分析和预测,模型输出的预测值百分比绝对误差为6.2%。试验结果表明,小波去噪后再用遗传算法优化的Elman神经网络进行预测,预测结果误差较小,可用于短时交通流预测。

引用

页码：80 / 85

页数：6

共 8 条

[1] 基于小波消噪的ARIMA与SVM组合交通流预测 [J].

谭满春 ;

李英俊 ;

徐建闽 .

公路交通科技, 2009, 26 (07) :127-132+138

[2]

Modeling and forecasting vehicular traffic flow as a seasonal ARIMA process: Theoretical basis and empirical results. Williams, Billy M,Hoel, Lester A. Journal of Transportation Engineering ASCE . 2003

[3]

Adaptive Kalman filtering for multi-step ahead trafficflow prediction. Ojeda L L,Kibangou A Y,De Wit C C. American Control Conference (ACC) . 2013

[4] 基于Elman神经网络的道路网短时交通流预测方法 [J].