基于AＲIMA 和小波神经网络组合模型的交通流预测
针对现阶段城市道路交通流预测精度不高的局限性，提出了一种基于差分自回归滑动平均( AＲIMA) 和小波神经.网络( WNN) 组合模型的预测方法来进行交通流预测。利用差分自回归滑动平均模型良好的线性拟合能力和小波神经网.络模型强大的非线性关系映射能力，把交通流时间序列的数据结构分解为线性自相关结构和非线性结构两部分。采用差.分自回归滑动平均模型预测交通流序列的线性部分，用小波神经网络模型预测其非线性残差部分，最终合成为整个交通.流序列的预测结果。计算机仿真结果表明: 组合模型的预测精度高于AＲIMA 模型和WNN 模型各自单独使用时的预测精.度，组合模型可以提高交通流预测精度，是交通流预测的有效方法。
文件下载
评论信息
其他资源
- 全国2014-2018年空气质量csv数据集文件数据.csv
- 山东大学软件学院机器学习期末复习资料.zip
- ActiveTcl-8.5.18.0.298892_64位.rar
- 学生选修课程系统设计 c++
- Qt实现的连连看游戏（含源码）
- Android Atudio 制作简单音乐播放器
- RSA 1024 加密 解密
- java代码编写将excel数据导入到mysql数据库和数据库数据导出到excel
- 接口自动化框架及项目实践之ET.rar
- 5G大规模天线技术及其它空口技术v1（中国电信）.pdf
- 热成像模组软件及驱动32x32.rar
- python家庭作业-源码
- 2021上海发酵展，上海淀粉展，上海烘焙展.doc
- 水调歌头flash课件
- 在线考试系统（B/S）[C#]
- （简体）NUC970 編程指南简体中文版
- 2018最新最全国家标准省市区数据表（mysql）
- 亚马逊Amazon关键词抓取标题优化工具v2.0
- 贪吃蛇-代码-uml设计
- 用VS2015编译的hiredis.dll
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明