系统工程理论与实践
繫統工程理論與實踐
계통공정이론여실천
Systems Engineering—Theory & Practice
2006年
12期
132~136
,共null页
流量预测 高阶神经网络 自适应信号控制系统 ARIMA模型
流量預測 高階神經網絡 自適應信號控製繫統 ARIMA模型
류량예측 고계신경망락 자괄응신호공제계통 ARIMA모형
traffic flow forecast; high-order generalized neural network; adaptive signal control system; ARIMA
为研究适合自适应信号控制系统的流量预测模型，利用ARIMA模型进行数据预处理的基础上，考虑高阶神经网络收敛速度慢及易陷入局部最小点的特点，通过在线调整学习率及引进动量法对其进行改进，得出基于ARIMA与改进的高阶神经网络的组合预测模型，试验表明预测的交通流量满足自适应信号控制系统实时在线多频优化的时间及精度要求．
為研究適閤自適應信號控製繫統的流量預測模型，利用ARIMA模型進行數據預處理的基礎上，攷慮高階神經網絡收斂速度慢及易陷入跼部最小點的特點，通過在線調整學習率及引進動量法對其進行改進，得齣基于ARIMA與改進的高階神經網絡的組閤預測模型，試驗錶明預測的交通流量滿足自適應信號控製繫統實時在線多頻優化的時間及精度要求．
위연구괄합자괄응신호공제계통적류량예측모형，이용ARIMA모형진행수거예처리적기출상，고필고계신경망락수렴속도만급역함입국부최소점적특점，통과재선조정학습솔급인진동량법대기진행개진，득출기우ARIMA여개진적고계신경망락적조합예측모형，시험표명예측적교통류량만족자괄응신호공제계통실시재선다빈우화적시간급정도요구．
In order to develop traffic flow forecast model that suit to adaptive signal control system. In this paper, ARIMA model are used to pre-handle data. On-line adjust study rate and momentum are introduced to improve highorder generalized neural network （HGNN）, so as to solve the problems of slow astringency and local minimum. Experimental results have shown that the precision and necessary time of prediction data is suit for adaptive signal control system to do frequent, real-tlme, on-line optimized.
