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