自适应参数寻优短期车流量预测

2018年第7期

关键词:
动态随机过程;时间序列;灰色模型;最大信息系数

Keywords
Dynamic stochastic process;Time series;Gray model;Maximum information coefficient
摘要
     短期交通流量预测对辅助交通疏导缓解交通拥堵状况起至关重要的作用。当前很多研究都基于单变量、多变量时间序列分析,而缺乏对时间序列的隐变量(顺序和逆序数)进行动态建模和基于自适应隐变量寻优的加权方法。为此,提出一种可以自适应建模隐变量的动态随机过程模型,并结合度量双变量相关性的最大信息系数对时间序列属性加权,最后成功运用于短时车流量预测。实验结果显示,与传统时间序列分析(自回归滑动平均ARIMA,径向基支持向量机)相比,取得了较优的预测性能。


本文地址:www.fabiao.net/content-15-280223-1.html

上一篇:基于状态寻优的工业系统动态数据驱动建模
下一篇:关于《基于空间映射的区间灰数关联度模型》的注记

分享到: 分享自适应参数寻优短期车流量预测到腾讯微博           收藏
评论排行
公告