自适应参数寻优短期车流量预测

发布时间：2025-01-18 13:31

　　 短期交通流量预测对辅助交通疏导缓解交通拥堵状况起至关重要的作用。当前很多研究都基于单变量、多变量时间序列分析,而缺乏对时间序列的隐变量(顺序和逆序数)进行动态建模和基于自适应隐变量寻优的加权方法。为此,提出一种可以自适应建模隐变量的动态随机过程模型,并结合度量双变量相关性的最大信息系数对时间序列属性加权,最后成功运用于短时车流量预测。实验结果显示,与传统时间序列分析(自回归滑动平均ARIMA,径向基支持向量机)相比,取得了较优的预测性能。

【文章页数】：7 页

【部分图文】：

图2系统架构图2．1惩罚因子选择

图4显示了不同逆序数与残差之间的关系3．2步长与顺序训练

第7期王凤琴等:自适应参数寻优短期车流量预测13图4显示了不同逆序数与残差之间的关系3．2步长与顺序训练在当前时间点，所有之前的决策选择以及与之相应的残差都保存到数据库中，在选择步长时，计算在当前步长下，不同步长的选择而产生的残差，当残差小于当前步长下的平均残差时，认为该步长的选....

图72014年1月份到七月份不同灰色模型下的平均残差3．3．2与其他回归模型的比较

14计算机应用与软件2018年以上的性能改善。图72014年1月份到七月份不同灰色模型下的平均残差3．3．2与其他回归模型的比较计算不同预测模型策略(AＲIMA模型、径向基支持向量机模型和本文的基于动态随机过程的贝叶斯强化学习策略)下每天早高峰预测值与真实值之间的平均残差，通过该....

图82014年1月份到七月份不同回归模型下的平均残差

14计算机应用与软件2018年以上的性能改善。图72014年1月份到七月份不同灰色模型下的平均残差3．3．2与其他回归模型的比较计算不同预测模型策略(AＲIMA模型、径向基支持向量机模型和本文的基于动态随机过程的贝叶斯强化学习策略)下每天早高峰预测值与真实值之间的平均残差，通过该....

本文编号：4028676