一种平稳化短时交通流预测方法

摘要：

支持向量机回归模型是以预测噪声具有对称性概率分布为假设条件,而实际的短时交通流数据序列具有非平稳特征,这就使得在采用支持向量机回归模型进行短时交通流预测时,难以保证预测噪声的对称性概率分布,从而会影响到预测精度.针对上述问题,在证明支持向量机回归模型对平稳时间序列的预测噪声具有对称性概率分布的基础上,分别针对平稳化和未平稳化的短时交通流观测序列进行了仿真预测,并对预测结果进行了比对分析.分析结果表明,采用平稳化短时交通流预测方法可将预测的均方根误差降低约21.6％,绝对值误差降低约21.3％,相对误差降低约17.3％,仿真结果验证了所提方法的有效性.

关键词：短时交通流预测、统计学习、平稳化方法、支持向量机、季节性差分

所属期刊栏目：37

分类号：TP3(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61303041;交通运输部应用基础研究项目2014319812150;陕西省科技厅工业科技攻关项目2014K05-28,2015GY002,2016GY-078

在线出版日期：2018-03-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：33-37