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

1、近年來(lái)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(lái)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(yùn)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(cè)對(duì)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(cè)模型存在著運(yùn)算時(shí)間長(zhǎng)、精度不高等缺點(diǎn)。
　　本文的研究目的在于建立一個(gè)能夠克服上述缺點(diǎn)的交通流預(yù)測(cè)模型?；疑A(yù)測(cè)模型GM(1,1

2、)最大的特點(diǎn)就是算法簡(jiǎn)單、可利用較少數(shù)據(jù)建模。這給建模和運(yùn)算帶來(lái)了方便，但是灰色預(yù)測(cè)模型對(duì)于具有波動(dòng)性的系統(tǒng)來(lái)說(shuō)預(yù)測(cè)的效果不是很理想，而且預(yù)測(cè)的準(zhǔn)確率會(huì)隨著時(shí)間的外推而逐漸降低。神經(jīng)網(wǎng)絡(luò)對(duì)于非線性系統(tǒng)的預(yù)測(cè)具有良好的性能，但是在對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練時(shí)，往往需要大量的數(shù)據(jù)。本文以灰色預(yù)測(cè)模型為基礎(chǔ)，利用灰色預(yù)測(cè)模型算法簡(jiǎn)單、建模所用數(shù)據(jù)少的優(yōu)點(diǎn)以及BP神經(jīng)網(wǎng)絡(luò)對(duì)非線性系統(tǒng)預(yù)測(cè)性能良好的優(yōu)點(diǎn)，通過(guò)BP神經(jīng)網(wǎng)絡(luò)對(duì)灰色預(yù)測(cè)模型進(jìn)行修正，最后建立了一個(gè)