文献类型：期刊文章

作　　者：商强[1] 杨兆升[1,2,3] 李志林[1] 李霖[1] 曲鑫[1]

机构地区：[1]吉林大学交通学院,吉林长春130022 [2]吉林大学汽车仿真与控制国家重点实验室,吉林长春130022 [3]吉林大学吉林省道路交通重点实验室,吉林长春130022

出　　处：《华南理工大学学报（自然科学版）》

基　　金：国家科技支撑计划项目(2014BAG03B03);国家自然科学基金资助项目(51308249;51308248;51408257);山东省省管企业科技创新项目(20122150251-5)~~

年　　份：2016

卷　　号：44

期　　号：4

起止页码：109-114

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了提高短时交通流量预测的精度,构建了基于相空间重构和正则化极端学习机的短时交通流量预测模型.首先采用C-C算法求解交通流量时间序列的最佳时间延迟和嵌入维数,进行相空间重构;然后选用G-P算法计算序列关联维数,判断出短时交通流量序列具有混沌特性.在此基础上,将重构数据作为正则化极端学习机的输入和输出来训练模型,并采用网格搜索法优化模型参数.最后以实测数据为基础,对模型的预测效果进行对比分析.结果表明,新构建模型的预测效果良好,能够有效提高短时交通流量预测精度.

关 键 词：交通工程 短时交通预测  相空间方法  极端学习机

分 类 号：U491[物流管理与工程类]