| 融合Elman神经网络与EMD的交通拥堵指数预测 |
| |
| 引用本文： | 刘强,刘忠义,张宁,黄信荣.融合Elman神经网络与EMD的交通拥堵指数预测[J].教育技术导刊,2009,8(11):11-16. |
| |
| 作者姓名： | 刘强 刘忠义 张宁 黄信荣 |
| |
| 作者单位： | 1. 昆明理工大学 理学院，云南 昆明 650500；2. 昆明理工大学 冶金与能源工程学院，云南 昆明 650093 |
| |
| 基金项目： | 云南省万人计划项目（109720190106）；云南省高层次人才项目（132510978220） |
| |
| 摘 要： | 为了提高传统方法生成交通拥堵指数（TPI）的准确率，引入一种基于经验模态分解（EMD）与Elman神经网络的组合模型实现交通拥堵指数预测。首先，利用EMD将TPI序列分解为不同时间尺度下的IMF分量和剩余分量；然后，通过偏自相关函数（PACF）计算各分量的滞后期数，以此确定各分量在Elman神经网络中的输入和输出变量；之后，通过上述方法计算出各分量预测值并相加；最后，计算出总预测结果。通过计算结果可知，EMD-PACF-Elman预测方法3个评价指标（平均绝对误差、均方误差、平均绝对百分误差）的计算结果与单一Elman神经网络模型、EMD-Elman神经网络模型、单一BP神经网络模型、EMD-BP神经网络模型相比都为最低，分别为0.562 4、0.598 9、0.110 7。因此， EMD-PACF-Elman预测方法可以有效地预测TPI，同时也为进一步预测交通拥堵趋势提供了依据。
|
| 关 键 词： | 经验模态分解 偏自相关函数 Elman神经网络 交通拥堵指数 |
| 收稿时间： | 2020-08-14 |
Prediction of TPI Based on Elman Neural Network and EMD |
| |
| LI Zhen-guo,XU Jian-xin.Prediction of TPI Based on Elman Neural Network and EMD[J].Introduction of Educational Technology,2009,8(11):11-16. |
| |
| Authors: | LI Zhen-guo XU Jian-xin |
| |
| Institution: | 1. Faculty of Science， Kunming University of Science and Technology， Kunming 650500， China；2. School of Metallurgy and Energy Engineering， Kunming University of Science and Technology， Kunming 650093， China |
| |
| Abstract: | In order to improve the accuracy of generating traffic performance index （TPI） by traditional methods， a combined model based on （EMD） and Elman neural network is introduced to predict the traffic performance index. First， EMD is applied to decompose the sequence of TPI into IMF component and residual component on different time scales； second， partial autocorrelation function （PACF） is used to calculate the lag period of each component and the input and output variables of each component in Elman neural network are determined； third， the predicted values of each component are obtained and the final prediction result is obtained by summing them together. According to the results， the three evaluation indexes （mean square error， mean absolute error and mean absolute percentage error） of EMD-PACF-Elman prediction method are the lowest compared with single Elman neural network model， EMD-Elman neural network model， single BP neural network model and EMD-BP neural network model， and they are 0.562 4， 0.598 9 and 0.110 7 respectively. EMD-PACF-Elman prediction method can effectively predict TPI. It also provides an effective basis for further predicting the trend of traffic congestion. |
| |
| Keywords: | EMD PACF Elman traffic performance index |
| 本文献已被 维普 等数据库收录！ |
| 点击此处可从《教育技术导刊》浏览原始摘要信息 |
| 点击此处可从《教育技术导刊》下载免费的PDF全文 |
