科研之友
微信
新浪微博
Facebook
分享链接
摘要
短时交通流预测是实现交通流诱导与控制的重要保障，鉴于交通流的随机性和复杂性，提出基于自适应噪声完全集合经验模态分解（CEEMDAN）的短时交通流组合预测模型。利用CEEMDAN算法对非线性序列具有自适应分解的特性，将交通流时间序列通过CEEMDAN分解为频率不同、复杂度不同的多个时间序列分量；利用PE算法分析各个分量的随机特性，根据时间序列分量的不同随机特性分为高频序列分量、中频序列分量和低频序列分量，根据高频、中频和低频序列分量的随机特性分别建立GWO-BP模型、GWO-LSSVM模型和ARIMA模型进行预测；叠加高频、中频和低频各个分量的预测结果，得到短时交通流最终预测值。仿真分析结果表明，与其他预测模型相比，基于CEEMDAN分解的短时交通流组合预测模型提升了预测精度。
- 单位
