基于灰色理論和BP神經(jīng)網(wǎng)絡(luò)交通流預(yù)測模型研究.pdf

1、近年來隨著交通技術(shù)的進(jìn)步，交通設(shè)施不斷得到改善，智能交通系統(tǒng)（ITS，Intelligent Transportation System）的應(yīng)用也越來越廣泛。智能交通系統(tǒng)中的交通誘導(dǎo)子系統(tǒng)是出行和運輸管理系統(tǒng)的主要內(nèi)容，而準(zhǔn)確的短期交通流預(yù)測對于合理誘導(dǎo)和控制交通、減少交通擁擠等重要作用。目前的交通流預(yù)測模型存在著運算時間長、精度不高等缺點。
　　本文的研究目的在于建立一個能夠克服上述缺點的交通流預(yù)測模型。灰色預(yù)測模型GM(1,1

2、)最大的特點就是算法簡單、可利用較少數(shù)據(jù)建模。這給建模和運算帶來了方便，但是灰色預(yù)測模型對于具有波動性的系統(tǒng)來說預(yù)測的效果不是很理想，而且預(yù)測的準(zhǔn)確率會隨著時間的外推而逐漸降低。神經(jīng)網(wǎng)絡(luò)對于非線性系統(tǒng)的預(yù)測具有良好的性能，但是在對網(wǎng)絡(luò)進(jìn)行訓(xùn)練時，往往需要大量的數(shù)據(jù)。本文以灰色預(yù)測模型為基礎(chǔ)，利用灰色預(yù)測模型算法簡單、建模所用數(shù)據(jù)少的優(yōu)點以及BP神經(jīng)網(wǎng)絡(luò)對非線性系統(tǒng)預(yù)測性能良好的優(yōu)點，通過BP神經(jīng)網(wǎng)絡(luò)對灰色預(yù)測模型進(jìn)行修正，最后建立了一個