典型文献
基于SARIMA-GA-Elman组合模型的短时交通流预测方法
文献摘要：
针对单一模型无法深入挖掘交通流复杂的线性和非线性特征方面的局限性以及神经网络模型在训练时收敛速度缓慢等问题,提出了一种基于SARIMA-GA-Elman的组合预测模型.该组合模型有效地融合了季节性差分自回归滑动平均(seasonal autoregressive integrated moving average,SARIMA)模型良好的线性拟合能力和Elman递归神经网络强大的非线性映射能力;在预测过程中首先基于SARIMA滚动预测时间序列的线性分量,然后使用SARIMA模型的预测误差序列建立Elman-RNN构建非线性误差模型;此外在训练非线性误差模型的过程中使用经过二进制编码的遗传算法(genetic algorithm,GA)优化Elman-RNN,旨在提升Elman-RNN的训练效率,最后把两个模型的预测结果加权组合得到最终的预测值.实验结果表明,该组合模型在预测精度和鲁棒性方面相比单一模型都有较为明显的提升.
文献关键词：
智能交通;交通流预测;组合模型;时间序列;SARIMA;Elman递归神经网络
中图分类号：
作者姓名：
张玺君;王晨辉
作者机构：
兰州理工大学 计算机与通信学院,甘肃 兰州 730050
文献出处：
引用格式：
[1]张玺君;王晨辉-.基于SARIMA-GA-Elman组合模型的短时交通流预测方法)[J].兰州理工大学学报,2022(05):107-113
A类：
B类：
SARIMA,GA,Elman,组合模型,短时交通流预测,非线性特征,收敛速度,组合预测模型,该组,自回归滑动平均,seasonal,autoregressive,integrated,moving,average,线性拟合,递归神经网络,非线性映射,滚动预测,线性分量,预测误差,RNN,非线性误差模型,二进制编码,genetic,algorithm,训练效率,智能交通
AB值：
0.294944
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
