数据挖掘在短时交通流预测模型中的应用研究

为准确地对交通流进行短时预测,提出了一种新的基于数据挖掘技术的预测模型。该模型综合了改进遗传算法、粗糙集理论和小波神经网络三种数据挖掘技术。建模阶段分为离散化、属性约简和训练三个步骤。在离散化的过程中,采用了改进的遗传算法,保证了系统分类能力,且使断点数目最少;属性约简中采用了粗糙集理论,选择对交通流预测密切相关的属性,加速了小波神经网络的预测速度并使其结构简化;训练中利用了小波变换非线性特性,采用经过属性约简后的数据对小波神经网络进行训练,从而获得短时预测模型。为验证模型的有效性,进行了对比测试,分析结果证实了该预测模型比传统方法具有更高的精度和速度,为交通流的准确实时预测提供了一种新的思路。