[1]曾庆山,全书鹏,靳志强..融合BP神经网络与ARIMA的短时交通流预测[J].郑州大学学报(工学版),2011,32(4):60-63.[doi:10.3969/j.issn.1671-6833.2011.04.015]
点击复制

融合BP神经网络与ARIMA的短时交通流预测()
分享到：

《郑州大学学报(工学版)》[ISSN:1671-6833/CN:41-1339/T]

卷:
32
期数:
2011年4期
页码:
60-63
栏目:
出版日期:
2011-07-10

文章信息/Info

作者:
曾庆山,全书鹏,靳志强.
郑州大学电气工程学院,河南郑州,450001, 郑州大学电气工程学院,河南郑州,450001, 郑州大学电气工程学院,河南郑州,450001
关键词:
智能交通;  短时交通流;  预测;  时间序列;  神经网络
DOI:
10.3969/j.issn.1671-6833.2011.04.015
摘要:
为了能在交通管理中提前采取措施规避可能存在的交通拥挤或堵塞,提出了一种高效可靠的短时交通流预测算法.首先采用BP神经网络与自回归求和滑动平均(ARIMA)两种方法分别建立单项预测子模型,再以BP神经网络作为最优非线性组合模型的逼近器,建立组合预测模型,对单项预测子模型的预测值进行融合,由此得到最终的预测结果.通过MATLAB与SPSS平台对实测交通流量数据进行了仿真分析,结果表明,该种组合预测方法是切实可行的.

相似文献/References:

[1]杨高飞,徐睿,秦鸣,等.基于ARMA和卡尔曼滤波的短时交通预测[J].郑州大学学报(工学版),2017,38(2):36.[doi:10.13705/j.issn.1671-6833.2017.02.009]
　Yang Gaofei,Xu Rui,Qin Ming,et al.Short-term Traffic Volume Forecasting Based on ARMA and Kalman Filter[J].Journal of Zhengzhou University (Engineering Science),2017,38(4):36.[doi:10.13705/j.issn.1671-6833.2017.02.009]
[2]田 钊,周 政,牛亚杰,等.基于区块链和时空特征融合的车联网信誉评估方法[J].郑州大学学报(工学版),2027,48(XX):1.[doi:10.13705/j.Issn.1671-6833.2026.06.008]
　TIAN Zhao,ZHOU Zheng,NIU Ya Jie,et al.A Reputation Assessment Method for Vehicular Networks Based on the Fusion of Spatiotemporal Features and Blockchain[J].Journal of Zhengzhou University (Engineering Science),2027,48(4):1.[doi:10.13705/j.Issn.1671-6833.2026.06.008]

更新日期/Last Update: 1900-01-01