基于小波和多维重构的BP神经网络交通流短时预测
2018-12-13沈钧珥陈作汉
计算机应用与软件 2018年12期
关键词:信号
曹 洁 沈钧珥 张 红 侯 亮 陈作汉
1(兰州理工大学计算机与通信学院 甘肃 兰州 730050)2(甘肃省制造业信息化工程研究中心 甘肃 兰州 730050)
0 引 言
随着城市化进程飞速发展,交通拥堵已成为阻碍城市发展的瓶颈,且困扰着市民的出行。有效、合理的短时交通流预测可以为交通管理者和交通参与者提供实时、准确的交通信息,为交通管理和出行选择提供依据。短时交通流预测是交通流预测的一个重要组成部分,是城市交通智能化的重要依据。近年来,国内外众多学者对提高交通流的预测精度展开了深入研究。文献[1]中通过思维进化算法中的“群体寻优”取代“个体寻优”对BP神经网络中的权值和阈值进行优化,对交通流预测精度提高。文献[2]中运用传统的小波固定阈值降噪法对交通流进行降噪处理,再用小波神经网络进行预测,获得较好的预测效果。文献[4]中通过选取一个小波基函数替换BP神经网络中隐含层结点的传递函数来提高预测精度。文献[5]中运用BP神经网络对高速公路进行预测研究。以上研究表明,BP神经网络在识别复杂非线性交通流问题中有着巨大的优越性,但也存在稳定性差、精度容易受到训练数据中噪声影响的缺点。
基于上述分析,本文提出了一种基于小波和多维重构的BP神经网络预测方法。首先选取启发式小波阈值降噪法对交通流数据进行分析、处理,提高交通流数据质量;其次采用C-C方法对交通流数据进行相空间重构,获取多维交通流信息;……
登录APP查看全文
