基于CEEMDAN分解的短时交通流组合预测

摘要：

短时交通流预测是实现交通流诱导与控制的重要保障,鉴于交通流的随机性和复杂性,提出基于自适应噪声完全集合经验模态分解(CEEMDAN)的短时交通流组合预测模型.利用CEEMDAN算法对非线性序列具有自适应分解的特性,将交通流时间序列通过CEEMDAN分解为频率不同、复杂度不同的多个时间序列分量;利用PE算法分析各个分量的随机特性,根据时间序列分量的不同随机特性分为高频序列分量、中频序列分量和低频序列分量,根据高频、中频和低频序列分量的随机特性分别建立GWO-BP模型、GWO-LSSVM模型和ARIMA模型进行预测;叠加高频、中频和低频各个分量的预测结果,得到短时交通流最终预测值.仿真分析结果表明,与其他预测模型相比,基于CEEMDAN分解的短时交通流组合预测模型提升了预测精度.

关键词：短时交通流、组合预测、排列熵、经验模态分解

所属期刊栏目：58

分类号：TP393(计算技术、计算机技术)

资助基金：上海市科技创新行动计划软科学研究领域重点项目18692105100

在线出版日期：2022-06-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：279-286