基于ARIMA与信息粒化SVR组合模型的交通事故时序预测

作者：孙轶轩; 邵春福; 计寻; 朱亮

来源：清华大学学报(自然科学版), 2014, (03): 348-353+359.

DOI：10.16511/j.cnki.qhdxxb.2014.03.004

• 事故预测
• 时间序列
• 自回归移动平均法(ARI-MA)
• 模糊信息粒化
• 支持向量回归机(SVR) accident prediction
• time series
• ARIMA
• fuzzy information granulation
• SVR

该文基于自回归滑动平均(ARIMA)模型和支持向量回归机(SVR)模型,构建时间序列组合预测模型,对道路交通事故相关指标进行趋势预测。通过ARIMA预测模型进行线性拟合;基于模糊信息粒化方法,将ARIMA预测模型残差季度变化趋势映射为包含最小值Low、中值R、最大值Up三个参数的模糊信息粒;并以其为输入构建SVR模型,对季度残差变化趋势进行预测;最后根据SVR残差预测值修正ARIMA模型预测值。实证研究结果表明:时间序列组合预测模型精度优于单一ARIMA模型,由模糊信息粒子确定的预测区间较好描述了实证数据的季度变化趋势。

• 出版日期2014
• 单位中国铁道科学研究院; 北京交通大学