科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对短时交通流量预测提出了将小波分析结合卡尔曼滤波和RBF神经网络的变结构预测模型。首先,通过小波分解将交通流量序列信号分解为较稳定的低频部分和波动的高频部分;接着,依据卡尔曼滤波在处理平稳数据上的优势对低频序列信号进行预测,RBF神经网络具有高动态非线性映射性,因此可准确预测高频序列信号;最后,将两部分所得的预测序列信号重构得出最终的交通流量预测结果。研究表明,对原始的交通流量小波分解后采用不同的预测方法所得预测结果的精度明显优于仅使用单一的预测方法。
- 出版日期2017
- 单位合肥工业大学
