文献类型：期刊文章

作　　者：景辉鑫[1] 钱伟[1] 车凯[2]

JING Huixin;QIAN Wei;CHE Kai(School of Electrical Engineering and Automation,Henan Polytechnic University,Jiaozuo 454000,Henan,China;Shanghai Edrive Co.LTD.,Shanghai 201806,China)

机构地区：[1]河南理工大学电气工程与自动化学院,河南焦作454000 [2]上海电驱动股份有限公司,上海201806

出　　处：《河南理工大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(61573130;61104119);河南省科技创新人才计划资助项目(164100510004);河南省高校骨干教师资助计划项目(2011GGJS-054);河南省创新型科研团队项目(CXTD2016054)

年　　份：2019

卷　　号：38

期　　号：2

起止页码：97-102

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、JST、RCCSE、ZGKJHX、核心刊

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[物流管理与工程类]