摘要:针对采集过程中噪声影响以及交通流时间序列的强相关性,提出一种基于小波和多维重构的BP神经网络交通流短时预测方法。运用启发式小波降噪法对原始交通流数据进行降噪处理,剔除数据中的噪声;基于C-C法将交通流数据进行多维度相空间重构,充分挖掘交通流的多维变化特性;构建多维度的BP神经网络进行交通流短时预测研究。运用2 400组数据进行实验,并与传统的BP 神经网络、Elman神经网络以及SVM进行对比。实验结果表明,该方法具有较高的预测精度,绝对误差降低约2.408 0,均方误差降低约26.597 2。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社