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:交通流预测论文; 周期性提取论文; 自适应模糊推理系统论文; 反向传播算法论文; 最小二乘法论文;