基于改进小波神经网络的高速公路季节性车流量预测模型

作者：陈通箭

来源：智能城市, 2020, 6(03): 22-24.

DOI：10.19301/j.cnki.zncs.2020.03.008

• 高速公路
• 交通量预测
• 季节指数
• 小波神经网络
• 误差评价指标

高速公路月车流量具有非线性上升趋势性和季节变化性,针对这个问题,研究提高高速公路的月度车流量预测的方法。综合分析季节指数能够消除原始数据中的季节变化性的前提下,结合小波神经网络具有良好的非线性预测性等特性,引入有季节指数的小波神经网络(SWNN)预测模型。选取贵州某高速5年的车流量,采用平均相对误差、平均绝对误差、均方差3个评价指标,对改进前后的WNN预测结果进行评价。结果表明,总体上看,有季节指数的小波神经网络模型精度比单纯的小波神经网络高,有些月份的预测精度达到1%,可移植性较好。该方法适用于高速公路月车流量的预测,为高速公路运营管理提供依据。

• 单位
  重庆交通大学; 交通运输学院