基于ASNBD-CMFE特征信息提取的短时交通流预测
彭延峰1
彭志华2
刘燕飞1
1.湖南科技大学机械设备健康维护湖南省重点实验室,湖南湘潭4112012.南华大学数理学院,湖南衡阳421001
摘要：针对短时交通流数据的非线性和随机性特点,为提高其预测精度,提出了一种基于自适应最稀疏窄带分解(Adaptive Sparsest Narrow-band Decomposition,ASNBD)和复合多尺度模糊熵(Composite Multiscale Fuzzy Entropy,CMFE)的短时交通流数据特征信息提取方法.首先利用ASNBD将短时交通流数据分解成若干个内禀窄带分量,分别求出每个分量的CMFE.根据CMFE反映的不同分量的非线性程度选取有效分量,从而提取数据的非线性特征.然后根据非线性分析的结果分别对每个分量建立支持向量机网络模型,针对每个分量的自身特点选择不同的模型训练参数,以提高单个模型预测精度.最后将各个预测值进行累加并得出预测结果.实验结果表明,该方法能有效应用于短时交通流数据特征信息的提取,进而提高预测精度.
关键词：智能交通自适应最稀疏窄带分解复合多尺度模糊熵最小二乘支持向量机短时交通流
分类号：U268.6(机车工程)
资助基金：国家重点研发计划(2018YFF0212902)国家自然科学基金(51805161)湖南省教育厅重点项目(16A180)
论文发表日期：2021-04-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 28-35 )
英文信息