|
OALib Journal期刊
ISSN: 2333-9721
费用：99美元
|
|
|
|
交通量预测的神经网络集成方法
Keywords: 交通量,预测,神经网络集成
Abstract:
首次将神经网络集成技术引入交通量预测。神经网络集成通过训练多个神经网络并将各网络输出进行合成,可显著提高学习系统的泛化能力。在Boosting和Bagging集成方法的基础上,提出基于分治策略的神经网络集成方法,并且讨论了网络权重分配算法。使用上述三种神经网络集成预测模型,对苏州某交叉口实时交通量进行预测,预测结果比较理想,优于单一神经网络预测方法。实验表明,神经网络集成用于交通量预测是有效可行的。
| [1] | 朱中,杨兆升.实时交通流量人工神经网络预测模型［J］.中国公路学报,1998,11(4):89-92.
|
| [2] | 吴建鑫,周志华,沈学华,等.一种选择性神经网络集成构造方法［J］.计算机研究与发展,2000,37(9):1039-1044.
|
| [3] | 尹宏宾,徐建闽,黄仕进.基于模糊神经网络的交叉口交通量预测方法研究［J］.中国公路学报,2000,13(3):78-81.
|
| [4] | Hornik K M,Stinchcombe M,White H.Multilayer Feedforward Networksare Universal Approximator［J］.Neural Networks,1989,2(2):259-366.
|
| [5] | 周志华,陈世福.神经网络集成［J］.计算机学报,2002,25(1):1-8.
|
| [6] | Hansen L K,Salamon P.Neural Network Ensemble［J］.IEEE Trans Pattern Analysisand Machine Intelligence,1990,12(10):993-1001.
|
| [7] | Breiman L.Bagging predictors［J］.Machine Learning,1996,24(2):123-140.
|
| [8] | 陈华友.基于预测有效度组合预测模型研究［J］.预测,2001,20(3):72-73,68.
|
| [9] | 王明涛.确定组合预测权系数最优解的方法研究［J］.系统工程理论与实践,2000(3):104-109.
|
Full-Text
|
|
Contact Us
service@oalib.com QQ:3279437679 
WhatsApp +8615387084133
|
|
