10.19665/j.issn1001-2400.2019.01.004
融合PCA和ESN的交通流周期预测模型
针对传统交通流多步预测精度低的问题,提出了一种交通流周期预测模型.该模型结合交通流的周期性特征重构时间序列,并引入主成分分析降维思想,利用回声状态网络模型进行交通流时间序列预测,同时采用自适应扰动粒子群算法优化模型中的重要参数.将该模型应用到实际交通流时间序列中进行有效性验证,其预测结果的平均绝对百分比误差为9.8%,比传统回声状态网络多步预测模型降低了12.7%.实验结果表明,该模型可有效地避免预测结果延迟问题并大幅提高多步预测的精度.
时间序列、交通流预测、回声状态网络、主成分分析降维
46
U491.14;TP18(交通工程与公路运输技术管理)
国家自然科学基金青年基金71401130
2019-05-31(万方平台首次上网日期,不代表论文的发表时间)
共7页
20-26