粗正交小波网络与其在交通流预测中的应用.pdfVIP

　2005 年 8 月 系统工程理论与实践 第 8 期 　 ( ) 文章编号 2005 粗正交小波网络及其在交通流预测中的应用 杨立才 ,贾 　磊 ,孔庆杰 ,林 　姝 ( 山东大学控制科学与工程学院 ,山东 济南 250061) 摘要 : 　基于交通流预测的特点和输入向量的主成分分析方法 ,把粗集理论与正交小波网络相结合 ,给 出了一种基于粗集的正交小波网络交通预测模型 ,并成功应用于城市交通流的实时预测. 粗正交小波网 络具有极强的鲁棒性 ,可以有效克服季节、天气等随机因素对交通流量预测性能的影响 ;主成分分析方 法解决了正交小波网络多维输入时的维数灾难. 实验结果表明 ,该模型的预测精度和收敛速度明显优于 常规BP 网络和小波框架神经网络 ,对交通流量等预测问题具有较高的应用价值. 关键词 : 　小波网络 ;交通预测 ;粗集 ;主成分分析 ;智能交通系统 中图分类号: 　TP18 　　　　　　　　文献标识码 : 　A 　　　 Rough Orthogonal Wavelet Network and Its Applications to the Traffic Flow Forecast YANGLicai , J IA Lei ,KONG Qingjie , LIN Shu ( School of Control Science and Engineering , Shandong University , Shandong Ji’nan 250061 , China) Abstract : 　Based upon the characteristics of traffic flow forecast and the principal component analysis (PCA) , a new traffic flow forecasting model combined rough sets and orthogonal wavelet network together , called rough orthogonal wavelet network forecasting model , is put forward. The model has been successfully used to forecast urban traffic flow. Using the principal component analysis about input vectors , the model keeps away from the dimension avalanche of orthogonal wavelet networks. The experiment results show that the model is superior to the BP networks and wavelet frame networks in the aspects of flow forecasting precision and network convergence. The rough neural network forecasting model is robust to the uncertain factors for the traffic flow forecast. The model given in this paper is of academic and p