基于ARIMA与人工神经网络组合模型的交通流预测_谭满春.pdfVIP

DOI●牨牥.牨牴牱牪牨●j.cnki.牨牥牥牨牠牱牫牱牪.牪牥牥牱.牥牬.牥牪牫

第20卷第4期中国公路学报Vol.20No.4

2007年7月ChinaJournalofHighwayandTransportJuly2007

文章编号：1001-7372(200704-0118-04

基于ARIMA与人工神经网络组合

模型的交流预测

112

谭满春,冯荦斌,徐建闽

(1.暨南学信息科学技术学院,广东广州510632；2.华南理工学交通学院,广东广州510641

摘要：将自回归求和滑动平均(ARIMA人工神经网络组合模型用于短时交通流预测。利用

ARIMA模型良好的线性拟合能力和人工神经网络强大的非线性关系映射能力,把交通流时间序

列看成由线性自相关结构和非线性结构两部分组成,采用ARIMA模型对交通流序列的线性部分

进行预测,用人工神经网络模型对其非线性残差部分进行预测。结果表明：组合模型的预测准确性高

于各自单独使用时的准确性；组合方法发挥了2种模型各自的优势,是短期交通流预测的有效方法。

关键词：交通工程；短期交通流预测；自回归求和滑动平均模型；人工神经网络；时间序列

中图分类号：U491.14文献标志码：A

TrafficFlowPredictionBasedonHybridARIMAandANNModel

112

TANMan-chun,FENGLuo-bin,XUJian-min

(1.SchoolofInformationScienceandTechnology,JinanUniversity,Guangzhou510632,Guangdong,China；

2.SchoolofTransportation,SouthChinaUniversityofTechnology,Guangzhou

510641,Guangdong,China

Abstract：Hybridautoregressiveintegratedmovingaverage(ARIMAandartificialneural

networkmodelswereemployedintheshort-termtrafficflowprediction.Usingthegoodlinear

fittingabilityofARIMAandthestrongnonlinearmappingabilityofartificialneuralnetwork,the

trafficflowtimeserieswasconsideredtobecomposedofalinearautocorrelationstructureanda

nonlinearstructure.ARIMAmodelwasusedtopredictthelinearcomponentoftrafficflowtime

seriesandtheartificialneuralnetworkmodelwasappliedtothenonlinearresidualcomponent

prediction.Resultsshowthatthehybridmodel,whichtakesadvantageoftheuniquestrengthof

thetwo