• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《科学技术与工程》 >基于小波降噪与贝叶斯神经网络联合模型的短时交通流量预测

基于小波降噪与贝叶斯神经网络联合模型的短时交通流量预测

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

在短时间内准确、稳定地预测出交通流量,是实现智能交通控制系统的重要环节,对于交叉口信号控制方案的实时调整具有重要意义.鉴于此,提出一种WD-BNN小波降噪与贝叶斯神经网络(wavelet denoising-Bayesian neural network,WD-BNN)联合模型的预测方式,引入平均绝对百分比误差(mean absolute percentage error,MAPE)和标准误差(root mean square error,RMSE)作为模型评价指标,从精度和稳定性两个方面对模型进行评价.结果表明:在5、10、15 min不同时间预测尺度下,WD-BNN联合模型的MAPE和RMSE均小于小波网络、贝叶斯网络、列文伯格-马夸尔特(Levenberg-Marquardt,L-M)网络等方法,短时交通流量预测结果的精度和稳定性得到了不同程度的提高.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号