期刊文献+

短时交通流预测模型的网络结构估计 被引量:1

Method for estimating network structure of short-term traffic flow forecasting model
下载PDF
导出
摘要 针对神经网络预测模型在预测短时交通流时输入变量选取与隐含神经元数目确立上的不足,提出了一种数据驱动的快速网络结构估计算法。根据交通流的混沌特性,引入相空间重构的思想合理地选择模型的输入变量;再结合快速单调指数估计法迅速计算重构向量的单调指数,并将其值作为隐层神经元个数,继而确立整个预测模型的网络结构。实验结果表明,该算法能有效地估计模型的网络结构以满足短时交通流预测的需要。 Artificial neural network forecasting model is an efficient method to forecast the short-term traffic flow, but it is hard to choose the proper input variables and the number of hidden neurons. A data-driven algorithm was proposed to estimate the network structure of neural network forecasting model. According to the chaotic characteristics of the short-term traffic flow, phase space reconstruction was introduced to choose input variables reasonably. Then the number of hidden neurons can be estimated by the fast monotonic value estimation method. The experiment at result demonstrates the efficiency of the proposed algorithm on estimating the network structure of forecasting model.
作者 夏英 梁中军
出处 《计算机应用》 CSCD 北大核心 2009年第12期3249-3252,共4页 journal of Computer Applications
基金 重庆市教育委员会科学技术研究项目(KJ080525) 重庆邮电大学科研基金资助项目(A2007-42)
关键词 短时交通流预测 神经网络模型 网络结构 隐层神经元 相空间重构 short-term traffic flow forecasting neural network model network structure hidden neuron phase space reconstruction
  • 相关文献

参考文献16

二级参考文献107

共引文献190

同被引文献14

引证文献1

二级引证文献9

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部