期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于整合移动平均自回归和遗传粒子群优化小波神经网络组合模型的交通流预测
被引量：
25
1
作者
殷礼胜
唐圣
期
+1 位作者
李胜
何怡刚
《电子与信息学报》
EI
CSCD
北大核心
2019年第9期2273-2279,共7页
针对短时交通流数据的非线性和随机性特点,为提高它的预测精度和收敛速度,该文从模型构建和算法两方面提出一种整合移动平均自回归(ARIMA)模型和遗传粒子群算法优化小波神经网络(GPSOWNN)相结合的预测模型和算法。在模型构建方面,将ARIM...
针对短时交通流数据的非线性和随机性特点,为提高它的预测精度和收敛速度,该文从模型构建和算法两方面提出一种整合移动平均自回归(ARIMA)模型和遗传粒子群算法优化小波神经网络(GPSOWNN)相结合的预测模型和算法。在模型构建方面,将ARIMA模型预测值和灰色关联系数大于0.6的相关性强的前3个时刻的历史数据作为小波神经网络(WNN)的输入,在兼顾历史数据的平稳和非平稳的情况下,进行了模型结构简化。在算法方面,通过遗传粒子群算法对小波神经网络的参数初始值进行最优选取,可使其结果在不易陷入局部最优的条件下加快网络训练收敛速度。实验结果表明,在预测精度方面,该方法的模型明显优于整合移动平均自回归模型和遗传粒子群算法优化小波神经网络,在收敛速度方面,用遗传粒子群算法优化模型明显优于仅用遗传算法优化模型。
展开更多
关键词
短时交通流预测
灰色关联分析法
整合移动平均自回归
遗传粒子群优化小波神经网络
下载PDF
职称材料
基于EEMD-IPSO-LSSVM的交通流组合预测模型
被引量：
15
2
作者
殷礼胜
唐圣
期
+1 位作者
李胜
何怡刚
《电子测量与仪器学报》
CSCD
北大核心
2019年第12期126-133,共8页
针对短时交通流时间序列数据非平稳、非线性的特点,为提高短时交通流的预测精度和收敛速度,提出了一种基于集合经验模态分解(EEMD)和改进型粒子群算法(IPSO)优化的最小二乘支持向量机(LSSVM)的组合预测模型。首先,利用集合经验模态分解...
针对短时交通流时间序列数据非平稳、非线性的特点,为提高短时交通流的预测精度和收敛速度,提出了一种基于集合经验模态分解(EEMD)和改进型粒子群算法(IPSO)优化的最小二乘支持向量机(LSSVM)的组合预测模型。首先,利用集合经验模态分解方法将短时交通流时间序列样本数据分解为多个本征模函数(IMF)和一个残差项(RES),细化了交通流量的信息,提高了建模的精确度;然后,对分解后的每个分量使用LSSVM并结合IPSO算法进行组合预测,通过选择不同的最优的支持向量机核函数,提高模型精度,通过IPSO算法提高预测效率;最后,将各分量预测值进行叠加作为最终交通流预测值。实验结果表明,EEMD-IPSO-LSSVM组合模型的均方根误差(MSE)比LSSVM模型和PSO-LSSVM模型分别降低了47.4%和24.6%,该组合模型提高了预测精度,并且能够快速地预测交通流时间序列。
展开更多
关键词
集合经验模态分解
改进型粒子群算法
最小二乘支持向量机
下载PDF
职称材料
基于改进的路网聚类结合PSOWNN的交通流预测
被引量：
2
3
作者
殷礼胜
李胜
+1 位作者
唐圣
期
何怡刚
《微电子学与计算机》
北大核心
2020年第1期20-26,共7页
针对城市路网交通流数据的空间相关性、非线性和平稳与非平稳的特点,提出一种采用基于交通流量数据相关性分析改进的路网聚类算法与基于交通流量分段加权适应度函数的粒子群小波神经网络算法(MC-MPSOWNN)相结合的预测方法,来提高算法的...
针对城市路网交通流数据的空间相关性、非线性和平稳与非平稳的特点,提出一种采用基于交通流量数据相关性分析改进的路网聚类算法与基于交通流量分段加权适应度函数的粒子群小波神经网络算法(MC-MPSOWNN)相结合的预测方法,来提高算法的预测精度.首先,利用基于交通流量数据相关性分析的路网聚类算法筛选出空间中与预测点交通流量数据相关系数高的其他观测点,以此精简了样本输入数据,减少冗余数据对预测精度的干扰,提高整体预测精度;其次,再构建一种新型的粒子群算法的适应度函数,给予整体预测样本中非平稳数据段更大的调节力度,以此来进一步提高非平稳数据段的预测精度.最后经实验结果分析,提出的改进预测算法相比未进行改进前预测算法而言,明显提高了整体及非平稳数据段预测精度,达到较好的预测效果.
展开更多
关键词
交通流预测
相关性路网聚类
分段加权适应度函数
粒子群算法:小波神经网络
下载PDF
职称材料
题名
基于整合移动平均自回归和遗传粒子群优化小波神经网络组合模型的交通流预测
被引量：
25
1
作者
殷礼胜
唐圣
期
李胜
何怡刚
机构
合肥工业大学电气与自动化工程学院
出处
《电子与信息学报》
EI
CSCD
北大核心
2019年第9期2273-2279,共7页
基金
国家自然科学基金(51577046,61673153)
国防科技计划项目(C1120110004,9140A27020211DZ5102)
+1 种基金
教育部科学技术研究重大项目(313018)
安徽省科技计划重点项目(1301022036)~~
文摘
针对短时交通流数据的非线性和随机性特点,为提高它的预测精度和收敛速度,该文从模型构建和算法两方面提出一种整合移动平均自回归(ARIMA)模型和遗传粒子群算法优化小波神经网络(GPSOWNN)相结合的预测模型和算法。在模型构建方面,将ARIMA模型预测值和灰色关联系数大于0.6的相关性强的前3个时刻的历史数据作为小波神经网络(WNN)的输入,在兼顾历史数据的平稳和非平稳的情况下,进行了模型结构简化。在算法方面,通过遗传粒子群算法对小波神经网络的参数初始值进行最优选取,可使其结果在不易陷入局部最优的条件下加快网络训练收敛速度。实验结果表明,在预测精度方面,该方法的模型明显优于整合移动平均自回归模型和遗传粒子群算法优化小波神经网络,在收敛速度方面,用遗传粒子群算法优化模型明显优于仅用遗传算法优化模型。
关键词
短时交通流预测
灰色关联分析法
整合移动平均自回归
遗传粒子群优化小波神经网络
Keywords
Short-term traffic flow prediction
Grey relational analysis
Auto-Regressive Integrated Moving Average(ARIMA)
Genetic Particle Swarm Optimization Wavelet Neural Network(GPSOWNN)
分类号
TP391 [自动化与计算机技术—计算机应用技术]
U491.1 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
基于EEMD-IPSO-LSSVM的交通流组合预测模型
被引量：
15
2
作者
殷礼胜
唐圣
期
李胜
何怡刚
机构
合肥工业大学电气与自动化工程学院
出处
《电子测量与仪器学报》
CSCD
北大核心
2019年第12期126-133,共8页
基金
国家自然科学基金(51577046、61673153)资助项目。
文摘
针对短时交通流时间序列数据非平稳、非线性的特点,为提高短时交通流的预测精度和收敛速度,提出了一种基于集合经验模态分解(EEMD)和改进型粒子群算法(IPSO)优化的最小二乘支持向量机(LSSVM)的组合预测模型。首先,利用集合经验模态分解方法将短时交通流时间序列样本数据分解为多个本征模函数(IMF)和一个残差项(RES),细化了交通流量的信息,提高了建模的精确度;然后,对分解后的每个分量使用LSSVM并结合IPSO算法进行组合预测,通过选择不同的最优的支持向量机核函数,提高模型精度,通过IPSO算法提高预测效率;最后,将各分量预测值进行叠加作为最终交通流预测值。实验结果表明,EEMD-IPSO-LSSVM组合模型的均方根误差(MSE)比LSSVM模型和PSO-LSSVM模型分别降低了47.4%和24.6%,该组合模型提高了预测精度,并且能够快速地预测交通流时间序列。
关键词
集合经验模态分解
改进型粒子群算法
最小二乘支持向量机
Keywords
ensemble empirical mode decomposition
improved particle swarm optimization
least squares support vector machine
分类号
U491.1 [交通运输工程—交通运输规划与管理]
下载PDF
职称材料
题名
基于改进的路网聚类结合PSOWNN的交通流预测
被引量：
2
3
作者
殷礼胜
李胜
唐圣
期
何怡刚
机构
合肥工业大学电气与自动化工程学院
出处
《微电子学与计算机》
北大核心
2020年第1期20-26,共7页
基金
国家自然科学基金(51577046,61673153)
国防科技计划项目(C1120110004,9140A27020211DZ5102)
+1 种基金
教育部科学技术研究重大项目(313018)
安徽省科技计划重点项目(1301022036)
文摘
针对城市路网交通流数据的空间相关性、非线性和平稳与非平稳的特点,提出一种采用基于交通流量数据相关性分析改进的路网聚类算法与基于交通流量分段加权适应度函数的粒子群小波神经网络算法(MC-MPSOWNN)相结合的预测方法,来提高算法的预测精度.首先,利用基于交通流量数据相关性分析的路网聚类算法筛选出空间中与预测点交通流量数据相关系数高的其他观测点,以此精简了样本输入数据,减少冗余数据对预测精度的干扰,提高整体预测精度;其次,再构建一种新型的粒子群算法的适应度函数,给予整体预测样本中非平稳数据段更大的调节力度,以此来进一步提高非平稳数据段的预测精度.最后经实验结果分析,提出的改进预测算法相比未进行改进前预测算法而言,明显提高了整体及非平稳数据段预测精度,达到较好的预测效果.
关键词
交通流预测
相关性路网聚类
分段加权适应度函数
粒子群算法:小波神经网络
Keywords
traffic flow forecast
correlation road network clustering
improved particle swarm optimization
wavelet neural network
分类号
U491.1 [交通运输工程—交通运输规划与管理]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于整合移动平均自回归和遗传粒子群优化小波神经网络组合模型的交通流预测
殷礼胜
唐圣
期
李胜
何怡刚
《电子与信息学报》
EI
CSCD
北大核心
2019
25
下载PDF
职称材料
2
基于EEMD-IPSO-LSSVM的交通流组合预测模型
殷礼胜
唐圣
期
李胜
何怡刚
《电子测量与仪器学报》
CSCD
北大核心
2019
15
下载PDF
职称材料
3
基于改进的路网聚类结合PSOWNN的交通流预测
殷礼胜
李胜
唐圣
期
何怡刚
《微电子学与计算机》
北大核心
2020
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
