基于小波和多维重构BP神经网络交通流短时预测.PDFVIP

第３５卷第１２期　　　 计算机应用与软件 Ｖｏｌ３５Ｎｏ．１２ ２０１８年１２月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｄｅｃ．２０１８ 基于小波和多维重构的ＢＰ神经网络交通流短时预测 １，２ １ １ １ １ 曹　洁 　沈钧珥 　张　红 　侯　亮 　陈作汉 １（兰州理工大学计算机与通信学院　甘肃兰州７３００５０） ２（甘肃省制造业信息化工程研究中心　甘肃兰州７３００５０） 摘　要　　针对采集过程中噪声影响以及交通流时间序列的强相关性，提出一种基于小波和多维重构的ＢＰ神经 网络交通流短时预测方法。运用启发式小波降噪法对原始交通流数据进行降噪处理，剔除数据中的噪声；基于 ＣＣ法将交通流数据进行多维度相空间重构，充分挖掘交通流的多维变化特性；构建多维度的ＢＰ神经网络进行 交通流短时预测研究。运用２４００组数据进行实验，并与传统的ＢＰ神经网络、Ｅｌｍａｎ神经网络以及ＳＶＭ进行对 比。实验结果表明，该方法具有较高的预测精度，绝对误差降低约２．４０８０，均方误差降低约２６．５９７２。 关键词　　小波降噪　相空间重构　ＢＰ神经网络　短时交通流预测 中图分类号　ＴＰ１８　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１８．１２．０１２ ＳＨＯＲＴＴＥＲＭＴＲＡＦＦＩＣＦＬＯＷＦＯＲＥＣＡＳＴＩＮＧＢＡＳＥＤＯＮＢＰＮＥＵＲＡＬＮＥＴＷＯＲＫ ＷＩＴＨＷＡＶＥＬＥＴＡＮＤＭＵＬＴＩＤＩＭＥＮＳＩＯＮＡＬＲＥＣＯＮＳＴＲＵＣＴＩＯＮ １，２ １ １ １ １ ＣａｏＪｉｅ 　ＳｈｅｎＪｕｎｅｒ　ＺｈａｎｇＨｏｎｇ　Ｈｏｕｌｉａｎｇ　ＣｈｅｎＺｕｏｈａｎ １（ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒａｎｄＣｏｍｍｕｎｉｃａｔｉｏｎ，ＬａｎｚｈｏｕＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｌａｎｚｈｏｕ７３００５０，Ｇａｎｓｕ，Ｃｈｉｎａ） ２（ＧａｎｓｕＭａｎｕｆａｃｔｕｒｉｎｇＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈＣｅｎｔｅｒ，Ｌａｎｚｈｏｕ７３００５０，Ｇａｎｓｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｆｏｒｔｈｅｉｎｆｌｕｅｎｃｅｏｆｎｏｉｓｅｉｎｔｈｅｐｒｏｃｅｓｓｏｆｔｒａｆｆｉｃｄａｔａｃｏｌｌｅｃｔｉｏｎａｎｄｔｈｅｓｔｒｏｎｇｃｏｒｒｅｌａｔｉｏｎｏｆｔｒａｆｆｉｃｆｌｏｗ ｔｉｍｅｓｅｒｉｅｓ，ｗｅｐｒｏｐｏｓｅｄａｓｈｏｒｔｔｅｒｍｔｒａｆｆｉｃｆｌｏｗｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｗｉｔｈｗａｖｅｌｅｔａｎｄ ｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌｒｅｃｏｎｓｔｒｕｃｔｉｏｎ．Ｗｅａｄｏｐｔｅｄｈｅｕｒｉｓｔｉｃｗａｖｅｌｅｔｄｅｎｏｉｓｉｎｇｍｅｔｈｏｄｔｏｒｅｄｕｃｅｎｏｉｓｅｉｎｔｈｅｏｒｉｇｉｎａｌｄａｔａｏｆ ｔｒａｆｆｉｃｆｌｏｗ，ａｎｄｅｌｉｍｉｎａｔｅｄｎｏｉｓｅｆｒｏｍｔｈｅｄａｔａ．ＢａｓｅｄｏｎＣＣｍｅｔｈｏｄ，ｔｒａｆｆｉｃｆｌｏｗｄａｔａｗａｓｒｅｃｏｎｓｔｒｕｃｔｅｄｂｙｍｕｌｔｉ ｄｉｍｅｎｓｉｏｎａｌｐｈａｓｅｓｐａｃｅ，ａｎｄｔｈｅｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌｃｈａｎｇｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｒａｆｆｉｃｆｌｏｗｗｅｒｅｆｕｌｌｙｅｘｐｌｏｒｅｄ．Ａｎｄａ ｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｗａｓｃｏｎｓｔｒｕｃｔｅｄｆｏｒｔｈｅｓｈｏｒｔｔｅｒｍｐｒｅｄｉｃｔｉｏｎｏｆｔｒａｆｆｉｃｆｌｏｗ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔｗａｓ ｃａｒｒｉｅｄｏｕｔｗｉｔｈ２４００ｓｅｔｓｏｆｄａｔａａｎｄｃｏｍｐａｒｅｄｉｔｗｉｔｈｔｈｅｔｒａｄｉｔｉｏｎａｌＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ，Ｅｌｍａｎｎｅｕｒａｌｎｅｔｗｏｒｋａｎｄ ＳＶＭ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｅｔｈｏｄｈａｓｈｉｇｈ