基于组合模型的短时交通流量预测

作者：钱伟^*; 车凯; 李冰锋

来源：控制工程, 2019, 26(01): 125-130.

DOI：10.14107/j.cnki.kzgc.160717

• 交通流预测
• 灰色算法
• ELM神经网络
• 组合模型

为了进一步提高交通流预测的精度,根据交通流的固有特点,提出了一种短时交通流预测组合模型。该模型包括灰色算法和ELM (ExtremeLearningMachine)神经网络2个子模型:灰色算法对平稳数据预测精度较好,ELM神经网络具有训练时间短,预测精度高,抗干扰能力强的特点。在对交通流量的数据特点和子模型不同预测原理分析的基础上,通过计算交通流数据波动的大小和两种子模型的预测误差,确定子模型预测结果在组合模型中所占的权重,然后进一步得到基于组合模型的预测值。通过实验证实,所提方法优于现有的一些成果,是一种短时交通流预测的有效方法。

• 单位
  自动化学院; 河南理工大学