小波神网络在短时交通流量预测中应用研究.pdfVIP

1案例背景

时间序列是随时间改变而随机地变化的序列，时间预列是指用前面干各点的数据来预测

当前和以后的数据。时间序列预测的方法在随机过程理论中一般采用线性模型进行预测，比

如AR模型，MA模型，ARMA模型等，但是这些模型的建立中模型种类选择，阶数确定等

需要人为确定，预测误差较大。小波理论是近年来新兴的一种数学方法，小波神经网络把小

波方法和神经网络结合，可以用于时间序列预测问题。本案例采用小波神经网络预测交通流

量，说明了该网络在时间序列预测中的有效性。

2模型建立

2.1小波理论

小波分析是针对变换的不足发展来的变换是信号处理领域中应用最广泛的的

一种分析，然而它有一个严重不足，就是在变换是抛弃了时间信息，变换结果无法判断

某个信号发生的时间，即变化在时域中没有分辨能力。小波是一种长度有限，平均值

为0的波形，它的特点包括：（1）时域都具有紧支集或近似紧支集；（2）直流分量为零。

小波函数是由一个母小波函数经过平移与尺寸伸缩得到，小波分析即把信号分解成一系列小

波函数的叠加。

2.2小波神经网络

小波神经网络是以普通神经网络结构基础，把小波基函数作为神经元的非线性函数，同时采

用误差反向修改小波函数参数的方法构成的神经网络，其