湖南省自然科学基金(08JJ3118)
- 作品数：2 被引量：20H指数：2
- 相关作者：孙湘海刘潭秋钟翔更多>>
- 相关机构：长沙理工大学中南大学湖南大学更多>>
- 发文基金：湖南省自然科学基金中国博士后科学基金更多>>
- 相关领域：交通运输工程更多>>
- 基于神经网络和SARIMA组合模型的短期交通流预测被引量：17
- 2008年
- 为了更精确地预测短期交通流,提出由季节自回归求和移动平均模型(SARIMA)和广义回归神经网络(GRNN)模型所构成的组合模型(SARIMA-GRNN模型),该模型结合了时间序列模型和神经网络模型进行时间序列预测的优点.构造该组合模型的两个组成模型,即SARIMA模型和GRNN模型,也被用于预测研究以便于验证该组合模型在预测上的优势.实证研究结果表明,组合模型的预测精度高于SARIMA模型,但是却并不必然高于GRNN模型.然而,合理选择组合模型中神经网络部分的输入变量以及输出变量将显著地改善模型的预测精度,本文所构造的这个组合模型不仅具有很好的预测表现而且结构简单,非常适合城市道路短期交通流的实时预测.
- 孙湘海刘潭秋
- 关键词：短期交通流预测
- 基于三制度SETAR模型的短期交通流预测被引量：3
- 2010年
- 针对城市道路交通流预测仅考虑正常(或没有交通事故)交通条件下短期交通流的现状,采用三制度自我激励阈值自回归(SETAR)模型进行短期交通流预测,该模型适合研究多种交通状态下交通流的动态变化行为。通过实例验证,对比分析了三制度SETAR模型和自回归求和移动平均(ARIMA)模型对城市道路5 min交通流的预测,其中后者被用作比较基准模型。研究结果表明,这个模型不仅能够合理地解释交通流的变化行为,而且比ARIMA模型在向前1步样本外预测交通流变化幅度和变化方向上均有更好的预测表现。
- 刘潭秋孙湘海钟翔
- 关键词：交通工程短期交通流预测
