基于多维时空的NPCA-PSR-IGM(1,1)组合模型的短时交通流预测

作者：殷礼胜; 高贺; 魏帅康; 孙双晨; 何怡刚

来源：电子与信息学报, 2020, 1-7.

• 短时交通流预测
• 多维时空
• 非线性主成分分析
• 相空间重构
• 改进灰色模型 Short-term traffic flow prediction
• Multidimensional space-time
• Nonlinear Principal Component Analysis(NPCA)
• Phase Space Reconstruction(PSR)
• Improved Gray Model(IGM(1
• 1))

针对城市短时交通流序列非线性和混沌性的特点，为提高短时交通流的预测精度，该文提出一种基于多维时空的非线性主成分分析(NPCA)和相空间重构(PSR)的改进灰色(IGM(1,1))组合预测模型。首先，使用数据相关性的非线性主成分分析算法对多维交通流量序列进行时空降维，同时保留影响预测点的主要交通流量数据，从而提高建模的精确度；其次，利用多维时空交通流量序列相空间重构放大交通流量内部的细微特征，以使其内在规律得以充分展现，进一步提升预测精度；最后，结合背景值改进的灰色模型适应于线性、非线性以及所需数据少的特点，进行短时交通流预测。实验结果表明，NPCA-PSR-IGM(1,1)组合预测模型的平均相...

• 单位
  合肥工业大学