基于灰色ELM神经网络的短时交通流量预测
景辉鑫1
钱伟1
车凯2
1.河南理工大学 电气工程与自动化学院,河南 焦作,4540002.上海电驱动股份有限公司,上海,201806
摘要：为了提高短时交通流预测的精度,针对现有灰色模型,利用一阶线性微分白化方程拟合交通流数据.针对交通流数据波动性较高和易失真的缺点,提出一种基于灰色ELM神经网络的短时交通流预测方法.首先对短时交通流数据采用灰色模型累加处理,将其转化为长时交通流数据,以降低交通流数据的随机性,有效减小因数据本身波动造成的误差.然后,利用ELM神经网络代替一阶线性微分白化方程,对长时交通流进行预测.最后,将长时交通流预测结果经过累减还原为短时交通流预测结果,有效提高了预测精度.仿真验证结果表明,相比于现有的一些预测方法,该方法提高了预测精度,是一种有效的短时交通流预测方法.
关键词：灰色模型短时交通流预测ELM神经网络一阶线性微分白化方程
分类号：U491.1(交通工程与公路运输技术管理)
资助基金：国家自然科学基金(61573130)国家自然科学基金(61104119)河南省高等学校科技创新人才支持计划(164100510004)河南省高等学校青年骨干教师资助计划(2011GGJS-054)河南省创新型科研团队项目(CXTD2016054)
论文发表日期：2019-01-01
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：6( 97-102 )
英文信息