郑州大学学报（工学版）
鄭州大學學報（工學版）
정주대학학보（공학판）
JOURNAL OF ZHENGZHOU UNIVERSITY(ENGINEERING SCIENCE)
2008年
3期
137-140
,共4页
组合预测模型%最近邻聚类算法%径向基%RBF神经网络%交通流量
組閤預測模型%最近鄰聚類算法%徑嚮基%RBF神經網絡%交通流量
조합예측모형%최근린취류산법%경향기%RBF신경망락%교통류량
根据基于最近邻聚类算法(NNCA)的径向基(RBF)神经网络和自回归求和滑动平均(ARIMA)两种方法,建立了各自的单项预测子模型,并利用RBF神经网络对两个单项预测子模型结果进行组合预测,得到最终的预测值.将该模型应用于长沙市某路段的交通流量预测,实验结果证明了该预测模型的有效性,采用组合预测模型比单一预测模型的预测精度有了较大提高.
根據基于最近鄰聚類算法(NNCA)的徑嚮基(RBF)神經網絡和自迴歸求和滑動平均(ARIMA)兩種方法,建立瞭各自的單項預測子模型,併利用RBF神經網絡對兩箇單項預測子模型結果進行組閤預測,得到最終的預測值.將該模型應用于長沙市某路段的交通流量預測,實驗結果證明瞭該預測模型的有效性,採用組閤預測模型比單一預測模型的預測精度有瞭較大提高.
근거기우최근린취류산법(NNCA)적경향기(RBF)신경망락화자회귀구화활동평균(ARIMA)량충방법,건립료각자적단항예측자모형,병이용RBF신경망락대량개단항예측자모형결과진행조합예측,득도최종적예측치.장해모형응용우장사시모로단적교통류량예측,실험결과증명료해예측모형적유효성,채용조합예측모형비단일예측모형적예측정도유료교대제고.
