APP下载

基于遗传-小波神经网络的短时交通量预测

2014-09-30黄恩洲

海南大学学报(自然科学版) 2014年1期
关键词:模型

黄恩洲

(福建工程学院交通运输系,福建福州350108)

随着汽车保有量的快速增长,拥堵成为城市交通的一种常见现象,智能交通系统(Intelligent Transportation System,ITS)被认为是解决这一问题的有效途径之一,而快速精确的短时交通量预测是ITS技术能否成功应用的关键所在.由于短时交通量具有高度的非线性、时变性和不确定性,因此对短时交通量准确迅速地进行预测比较困难.国内外学者提出了许多预测方法和模型,主要有基于传统统计理论的模型(回归分析预测模型、时间序列模型、卡尔曼滤波模型等[1]),基于神经网络的预测模型[2-4],基于非线性理论(混沌理论[5-7]和小波分析[8-9])的预测模型.这三大模型中,基于传统统计理论的模型主要是基于线性基础,对时间跨度较小的交通量预测精确度不高,神经网络具有识别复杂非线性系统的特性,在短时交通量预测的精度上比较令人满意,但是其预测的速度却较差,而非线性理论预测方法缩短了短时交通流量的预测速度,但是由于非线性理论方法参数较多,鲁棒性较差,妨碍了其工程应用,因此不可否认,在精度上,神经网络是非线性预测的理想模型[10].近年来,利用神经网络预测短时交通量的研究热点集中在改进网络结构和结合其他学科的相关理论以提高神经网络预测的精度和时效[11-13]方面.时效是神经网络预测模型能否在工程上应用的关键问题,影响神经网络预测速度最关键的两点是:神经网络结构和学……

登录APP查看全文

猜你喜欢

模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用