科学技术与工程
科學技術與工程
과학기술여공정
SCIENCE TECHNOLOGY AND ENGINEERING
2007年
12期
2904-2907
,共4页
广义回归神经网络%城市道路短期交通流%预测
廣義迴歸神經網絡%城市道路短期交通流%預測
엄의회귀신경망락%성시도로단기교통류%예측
采用剔出了城市道路短期交通流的周周期性特征的周差分数据作为广义回归神经网络(GRNN)模型的预测对象,这样既能避免合理选择交通流影响因素作为神经网络输入变量的困难,又能迅速获得实时短期交通流预测结果.研究结果表明,构建的神经网络模型能够很精确地实时预测城市道路短期交通流.
採用剔齣瞭城市道路短期交通流的週週期性特徵的週差分數據作為廣義迴歸神經網絡(GRNN)模型的預測對象,這樣既能避免閤理選擇交通流影響因素作為神經網絡輸入變量的睏難,又能迅速穫得實時短期交通流預測結果.研究結果錶明,構建的神經網絡模型能夠很精確地實時預測城市道路短期交通流.
채용척출료성시도로단기교통류적주주기성특정적주차분수거작위엄의회귀신경망락(GRNN)모형적예측대상,저양기능피면합리선택교통류영향인소작위신경망락수입변량적곤난,우능신속획득실시단기교통류예측결과.연구결과표명,구건적신경망락모형능구흔정학지실시예측성시도로단기교통류.
