一种基于小波和神经网络的短时交通流量预测
【摘要】 针对实际交通流变化的不稳定性和复杂性的特点，应用交通流预测模型获取更准确的交通流信息，是智能交通领域的一个研究热点模型主要思想是通过小波多分辨率分析和小波和软阈值去噪函数使得交通流曲线更加平滑稳，训练函数为算法对原始交通流数据进行平滑降噪处理，处理过程选用提出一种基于小波分析与神经网络结合的预测模型，各层神经元节点数为1-12-1神经网络对消噪后的交通流数据进行训练，用训练好的预测模型对实际交通流信息进行预测，最后获取准确的，最大相对神经网络预测模型对交通流数据进行预测后得到的预测结果的平均相对)预测模型对交通流神经网络预测模型的误差指标大大减小，拟合度大大提高，有较好的准确性和可行性，能较准确地反映交通流神经网络结合的预测模型提高了预测精度，为交通流的实时动态预警提供了更加准确而经过小波去噪与神经网络结合的方法得到的预测结果平均相对误差为实验结果表明，采用小波分析与仅使用;实验对比采用Mallat定，更能真实反映交通流的真实情况;再采用激活函数为的三层BP交通流信息误差为误差为的预测，真实情况。真实的情况
