基于分数阶季节性灰色模型的交通流预测

作者：沈琴琴; 张智杰; 齐绪存; 岳心怡

来源：南通大学学报(自然科学版), 2021, 20(02): 37-42.

• GM(1,1)模型
• 分数阶截断累加生成算子
• 粒子群算法
• 交通流预测

基于城市道路短时交通流数据的季节性特征和灰色建模的新信息优先原则,提出了一类新的分数阶季节性GM(1,1)预测模型。在GM(1,1)模型的基础上,首先,利用分数阶截断累加生成算子弱化了数据的季节波动性和随机性特征;然后采用粒子群优化算法寻求最佳阶数;最后,将新模型应用于江苏省南通市区的一主干道路进行模拟仿真。数值计算结果表明:新模型的平均绝对值百分比拟合误差为8.126 0%、预测误差为7.621 6%,均优于季节性滚动GM(1,1)模型、分数阶GM(1,1)模型和季节性离散GM(1,1)模型。

• 单位
  土木工程学院; 南通大学杏林学院; 南通大学