基于神经网络和SARIMA组合模型的短期交通流预测

作者：孙湘海; 刘潭秋短期交通流预测季节自回归求和移动平均模型广义回归神经网络模型组合模型

摘要：为了更精确地预测短期交通流,提出由季节自回归求和移动平均模型（SARIMA）和广义回归神经网络（GRNN）模型所构成的组合模型（SARIMA-GRNN模型）,该模型结合了时间序列模型和神经网络模型进行时间序列预测的优点.构造该组合模型的两个组成模型,即SARIMA模型和GRNN模型,也被用于预测研究以便于验证该组合模型在预测上的优势.实证研究结果表明,组合模型的预测精度高于SARIMA模型,但是却并不必然高于GRNN模型.然而,合理选择组合模型中神经网络部分的输入变量以及输出变量将显著地改善模型的预测精度,本文所构造的这个组合模型不仅具有很好的预测表现而且结构简单,非常适合城市道路短期交通流的实时预测.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社