基于小波神经网络的短时交通流预测研究

基于小波神经网络的短时交通流预测研究

摘要：采用小波神经网络方法预测短时交通量，给出了小波变换的基本原理，选取母小波为隐含层基函数构建小波神经网络的基本框架。在实例中，通过对比传统BP神经网络说明小波神经网络的准确性。实验表明，小波神经网络优于BP神经网络。

关键词：短时交通量 预测 母小波 小波神经网络

1、小波理论

小波分析是针对傅里叶变换的不足发展而来，小波变换经常和傅里叶变换做比较，在那里信号用正弦函数的和来表示。主要的区别是小波在时域和频域都是局部的，而标准的傅里叶变换只在频域上是局部的。短时距傅里叶变换也是时域和频域都局部化的。但有些频率和时间的分辨率问题，而小波通常通过多分辨率分析给出信号更好的表示。

1.1母小波

小波神经网络权值参数修正类似于BP神经网络权值修正，采用梯度修正法修正网络的权值和小波基函数参数，从而使小波神经网络预测输出不断逼近期望输出。

2.2小波神经网络算法步骤

步骤2：计算预测输出、网络实际和预测误差e。

步骤3：根据误差e修正网络权值和小波函数参数，使网络预测值逼近实际值。

步骤4：判断算法是否结束，如果没有，返回步骤2。

3、实例分析

通过调查重庆市某路段获取276+92组数据样本。其中每组数据间隔15min，前276组用于训练网络，后92组用于测试网络准确性。

3.1小波神经网络分析

本次小波神经网络设计三层网络，分别为4个节点的输入层、6个节点的隐含层、一个节点的输出层。根据上述理论，预测结果如图1、2所示。

3.2预测准确性分析

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库基于小波神经网络的短时交通流预测研究在线全文阅读。