10.3969/j.issn.1000-386x.2018.12.012
基于小波和多维重构的BP神经网络交通流短时预测
针对采集过程中噪声影响以及交通流时间序列的强相关性,提出一种基于小波和多维重构的BP神经网络交通流短时预测方法.运用启发式小波降噪法对原始交通流数据进行降噪处理,剔除数据中的噪声;基于C-C法将交通流数据进行多维度相空间重构,充分挖掘交通流的多维变化特性;构建多维度的BP神经网络进行交通流短时预测研究.运用2 400组数据进行实验,并与传统的BP神经网络、Elman神经网络以及SVM进行对比.实验结果表明,该方法具有较高的预测精度,绝对误差降低约2.408 0,均方误差降低约26.597 2.
小波降噪、相空间重构、BP神经网络、短时交通流预测
35
TP18(自动化基础理论)
国家自然科学基金项目61263031;甘肃省高校科研项目2015B-031
2019-04-25（万方平台首次上网日期，不代表论文的发表时间）
共6页
61-65,82
