交通量的灰色神经网络预测方法(精)

合集下载

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

Ｖｏｌ３４Ｎｏ４Ｊｕｌｙ２００４
交通量的灰色神经网络预测方法
，２陈淑燕１㊀㊀王㊀炜１
１（东南大学交通学院，南京２１００９６）（南京师范大学江苏省光电重点实验室，南京２１００９７）２
摘要：结合灰色系统思想与神经网络构成灰色神经网络，根据目前灰色模型与神经网络结合的提出并联型、串联型和嵌入型３种预测模型的结构．并联型灰色神经网络首先采用灰色模方法，神经网络分别进行预测，而后对预测结果加以组合作为实际预测值；串联型对多个灰色预测型、嵌入型在神经网络的输入端、输出端分别增加一个灰化层和白化的结果使用神经网络进行组合；层而构成．对并联型灰色神经网络给出一种根据预测模型的有效度确定加权系数的方法．将上述３种灰色神经网络模型用于对京石高速公路断面机动车实时交通量进行预测，模型精度和预测结果比较理想，优于单一预测模型．实验表明：灰色神经网络可提高预测精度，用于交通量预测方法是有效可行的．关键词：交通量；预测；灰色神经网络中图分类号：Ｕ４９１１４㊀㊀文献标识码：Ａ㊀㊀文章编号：１００１－０５０５（２００４）０４０５４１０４
第３４卷第４期２００４年７月㊀㊀㊀㊀㊀㊀
㊀
东南大学学报（自然科学版）
ＪＯＵＲＮＡＬＯＦＳＯＵＴＨＥＡＳＴＵＮＩＶＥＲＳＩＴＹ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）
㊀
Ｇｒｅｙｎｅｕｒａｌｎｅｔｗｏｒｋｆｏｒｅｃａｓｔｉｎｇｆｏｒｔｒａｆｆｉｃｆｌｏｗ
１，２１ＣｈｅｎＳｈｕｙａｎ㊀㊀ＷａｎｇＷｅｉ
１（ＣｏｌｌｅｇｅｏｆＴｒａｎｓｐｏｒｔａｔｉｏｎ，ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９６，Ｃｈｉｎａ）２ＯｐｔｏｅｌｅｃｔｒｏｎｉｃｓＫｅｙＬａｂｏｒａｔｏｒｙｏｆＪｉａｎｇｓｕＰｒｏｖｉｎｃｅ，ＮａｎｊｉｎｇＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９７，Ｃｈｉｎａ）（
Ａｂｓｔｒａｃｔ：Ｇｒｅｙｎｅｕｒａｌｎｅｔｗｏｒｋ（ＧＮＮ）ｃｏｍｂｉｎｅｓｇｒｅｙｓｙｓｔｅｍｗｉｔｈｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｔｈｅｒｅａｒｅｔｈｒｅｅｋｉｎｄｓｏｆｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌｓｔｒｕｃｔｕｒｅ：ｐａｒａｌｌｅｌｇｒｅｙｎｅｕｒａｌｎｅｔｗｏｒｋ（ＰＧＮＮ），ｓｅｒｉｅｓｇｒｅｙｎｅｕｒａｌｎｅｔｗｏｒｋ（ＳＧＮＮ）ａｎｄｉｎｌａｉｄｇｒｅｙｎｅｕｒａｌｎｅｔｗｏｒｋ（ＩＧＮＮ）．ＰＧＮＮｕｓｅｓｇｒｅｙｍｏｄｅｌａｎｄｎｅｕｒａｌｎｅｔｗｏｒｋｔｏｐｒｅｄｉｃｔｓｅｐａｒａｔｅｌｙ，ｔｈｅｎｃｏｍｂｉｎｅｓｔｈｅｐｒｅｄｉｃｔｉｎｇｒｅｓｕｌｔｓ；ＳＧＮＮｅｍｐｌｏｙｓｇｒｅｙｍｏｄｅｌｔｏｐｒｅｄｉｃｔ，ｔｈｅｎ；ＩＧＮＮｉｓｂｕｉｌｔｂｙａｄｄｉｎｇａｇｒｅｙｌａｙｅｒｂｅｆｏｒｅｕｓｅｓｎｅｕｒａｌｎｅｔｗｏｒｋｔｏｃｏｍｂｉｎｅｔｈｅｐｒｅｄｉｃｔｉｎｇｒｅｓｕｌｔｓｎｅｕｒａｌｉｎｐｕｔｌａｙｅｒａｎｄａｗｈｉｔｅｌａｙｅｒａｆｔｅｒｎｅｕｒａｌｏｕｔｐｕｔｌａｙｅｒ．Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｉｎｄｉｃａｔｏｒｏｆｔｈｅｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌａｍｅｔｈｏｄｆｏｒｃａｌｃｕｌａｔｉｎｇｗｅｉｇｈｔｃｏｅｆｆｉｃｉｅｎｔｓｉｎｇｒｅｙｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌｉｓｇｉｖｅｎ．ＴｈｅａｂｏｖｅｔｈｒｅｅＧＮＮｍｏｄｅｌｓｈａｖｅｂｅｅｎｅｍｐｌｏｙｅｄｔｏｆｏｒｅｃａｓｔａｒｅａｌｖｅｈｉｃｌｅｔｒａｆｆｉｃｖｏｌｕｍｅｉｎＪｉｎｇｓｈｉｈｉｇｈｗａｙｗｉｔｈｓａｔｉｓｆｉｅｄｐｒｅｃｉｓｉｏｎ．ＴｈｅｅｘｐｅｒｉｍｅБайду номын сангаасｎｔｓｓｈｏｗｔｈａｔｔｈｅＧＮＮｍｏｄｅｌｓｏｖｅｒｍａｔｃｈｔｈｅｓｉｎｇｌｅＧＭｍｏｄｅｌｏｒｎｅｕｒａｌｎｅｔｗｏｒｋ，ｔｈｅｒｅｆｏｒｅｔｒａｆｆｉｃｖｏｌｕｍｅｆｏｒｅｃａｓｔｉｎｇｂａｓｅｄｏｎＧＮＮｉｓｆｅａｓｉｂｌｅ．Ｋｅｙｗｏｒｄｓ：ｔｒａｆｆｉｃｖｏｌｕｍｅ；ｆｏｒｅｃａｓｔｉｎｇ；ｇｒｅｙｎｅｕｒａｌｎｅｔｗｏｒｋ㊀㊀研究或观察交通量的变化规律，并对未来时刻交通量或发展趋势进行科学合理地预测，对于进行交通规划、交通诱导、交通管理和交通控制与安全等，均具有重要的意义．交通量预测分析已成为交通工程领域重点研究课题，是智能运输系统的核心研究内容之一．灰色ＧＭ（１，１）模型利用累加生成