基于小波包和最小二乘支持向量机的短时交通流组合预测方法研究

被引:25
作者
姚智胜
邵春福
熊志华
机构
[1] 北京交通大学交通运输学院
关键词
交通流短时预测; 小波包; 支持向量机; 统计学习;
D O I
10.16381/j.cnki.issn1003-207x.2007.01.011
中图分类号
U491.112 [];
学科分类号
082302 ; 082303 ;
摘要
基于小波在处理非线性、非平稳随机信号的优势以及支持向量机在解决小样本、非线性及高维模式识别问题中的优势。笔者探讨结合小波包和最小二乘支持向量机的组合预测方法在交通流短时预测中的应用。首先介绍小波包和最小二乘支持向量机的基本原理,然后提出基于小波包和最小二乘支持向量机的交通流短时组合预测方法,并以北京市快速路的实测交通流量来验证效果,结果表明其可行性和有效性。
引用
收藏
页码:64 / 68
页数:5
相关论文
共 10 条
[1]   农产品销量预测的支持向量机方法 [J].
杜小芳 ;
张金隆 .
中国管理科学, 2005, (04) :129-134
[2]   基于小波分析的石油价格长期趋势预测方法及其实证研究 [J].
梁强 ;
范英 ;
魏一鸣 .
中国管理科学, 2005, (01) :31-37
[3]   道路网短期交通流预测方法比较 [J].
史其信 ;
郑为中 .
交通运输工程学报, 2004, (04) :68-71+83
[4]   交通流预测方法综述 [J].
刘静 ;
关伟 .
公路交通科技, 2004, (03) :82-85
[5]   短时交通流预测模型的分析与评价 [J].
王正武 ;
黄中祥 .
系统工程, 2003, (06) :97-100
[6]   最小二乘支持向量机算法研究 [J].
朱家元 ;
陈开陶 ;
张恒喜 .
计算机科学, 2003, (07) :157-159
[7]   基于小波分解与重构的交通流短时预测法 [J].
贺国光 ;
马寿峰 ;
李宇 .
系统工程理论与实践, 2002, (09) :101-106+131
[8]   基于小波包和神经网络的股票价格预测模型 [J].
常松 ;
何建敏 .
中国管理科学, 2001, (05) :9-16
[9]   基于数学模型的短时交通流预测方法探讨 [J].
贺国光 ;
李宇 ;
马寿峰 .
系统工程理论与实践, 2000, (12) :51-56
[10]   短时交通流预测模型综述 [J].
王进 ;
史其信 .
中国公共安全(学术卷), 2005, (01) :92-98