10.3969/j.issn.1000-386x.2017.03.043
布谷鸟算法优化小波神经网络的短时交通流预测
针对目前短时交通流的预测精度不够高这一问题,提出一种布谷鸟算法优化小波神经网络(CS-WNN)的短时交通流预测模型.首先采用小波变换对数据进行降噪,并进行归一化处理,然后使用复自相关法对具有混沌特性的短时交通流进行相空间重构,将交通流数据拆分为训练数据组和测试数据组,使用布谷鸟算法优化小波神经网络的各项参数,并根据训练数据组来训练优化后的小波神经网络模型.最后使用测试数据组的数据对CS-WNN模型进行有效性验证.仿真结果表明,相比几种主流的优化预测模型, CS-WNN短时交通流预测模型具有更高的预测精度.
短时交通流、复自相关、布谷鸟算法、小波神经网络
34
TP183(自动化基础理论)
2017-05-08（万方平台首次上网日期，不代表论文的发表时间）
共5页
238-242
