基于改進的極限學習機短時交通流預(yù)測模型研究.pdf

1、短時交通流預(yù)測是智能交通系統(tǒng)中的重要部分，它在實現(xiàn)交通管理系統(tǒng)的高效管理和動態(tài)分配交通流方面起著重要作用。因此快速地得到短時交通流預(yù)測結(jié)果、提升短時交通流預(yù)測精度是有效運行交通管理系統(tǒng)的保證。
　　傳統(tǒng)的預(yù)測方法大多采用離線技術(shù)，無法實時預(yù)測，訓(xùn)練階段耗時較多，且預(yù)測準確性和穩(wěn)定性較差，目前常用的人工神經(jīng)網(wǎng)絡(luò)方法采用平滑的歷史數(shù)據(jù)來預(yù)測未來短期內(nèi)的交通流，這種方法沒有考慮因傳感設(shè)備故障而引起數(shù)據(jù)波動劇烈的場景。本文針對短時交通流場

2、景中的預(yù)測，基于短時交通流實時性、準確性、可靠性三大特征和極限學習機優(yōu)點來預(yù)測短時交通流。主要工作如下:
　　針對預(yù)測實時性不足問題，減少訓(xùn)練時間，實現(xiàn)實時預(yù)測，采用滑動窗口增量式更新預(yù)測模型，能夠在交通流峰值期快速訓(xùn)練歷史數(shù)據(jù)并能增量地更新到達的數(shù)據(jù);對于已經(jīng)訓(xùn)練過的數(shù)據(jù)，根據(jù)距離目標時間的先后以及數(shù)據(jù)本身特征分配不同的權(quán)值，自適應(yīng)丟棄部分，再與添加的新訓(xùn)練樣本一起進行預(yù)測。由此提出一種基于在線序列的實時極限學習機短時交通流預(yù)測

3、模型。
　　針對預(yù)測準確性不足問題，考慮反饋機制，將實時極限學習機的預(yù)測值與理論期望值的差值反饋給輸入層，形成反饋實時極限學習機網(wǎng)絡(luò)結(jié)構(gòu)，并根據(jù)反饋誤差對輸入權(quán)值做出相應(yīng)調(diào)整。針對預(yù)測穩(wěn)定性不足問題，考慮融合機制，即加權(quán)平均融合機制和Adaboost融合機制，確保訓(xùn)練學習過程的穩(wěn)定性，避免了僅僅依靠當單個極限學習機而不能很好地適應(yīng)新到達的數(shù)據(jù)且預(yù)測精度不高的缺陷。由此提出一種基于權(quán)值融合的反饋實時極限學習機短時交通流預(yù)測模型。