基于ANFIS混合模型的短时交通流预测

基于ANFIS混合模型的短时交通流预测

论文摘要

城市短时交通流预测可以帮助人们选择出行最优路线,提高出行效率,其研究在交通拥堵日益严重的今天十分必要.受天气等多种因素影响,短时交通流的精确预测比较困难,为改善短时交通流预测的精度,本文提出了一种基于自适应模糊推理系统(ANFIS)的混合模型.该混合模型用周期性知识模型及残差数据驱动ANFIS模型集成得到.为验证所提出的混合模型的性能,与倒向传播神经网络(BPNN)模型和普通ANFIS模型进行对比.实验结果证明混合模型在交通流预测方面有更好的适用性和准确度.

论文目录

文章来源

类型: 期刊论文

作者: 颜秉洋,唐敏佳,周长庚,李银萍

关键词: 交通流预测,周期性提取,自适应模糊推理系统,反向传播算法,最小二乘法

来源: 计算机系统应用 2019年06期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 公路与水路运输,自动化技术

单位: 山东建筑大学信息与电气工程学院

分类号: TP183;U491.1

DOI: 10.15888/j.cnki.csa.006906

页码: 247-253

总页数: 7

文件大小: 1079K

下载量: 120

相关论文文献

标签:;  ;  ;  ;  ;  

基于ANFIS混合模型的短时交通流预测
下载Doc文档

猜你喜欢