搜索资源列表
dasad
- 基于遗传算法的小波神经网络交通流预测.pdf
shengjingwangluo
- 用matlab实现神经网络的城市交通流量预测。主要以大脑生理变化过程为基础、模仿大脑的结构和功能-Neural network using matlab implementation of the urban traffic flow prediction. Major physiological changes to brain-based process, to imitate the structure and function of the brain
BPshorttemtrafficprediction
- 该代码是研究基于BP神经网络的短期交通流预测，运用Matlab工具箱实现对交通流的预测-short-term traffic predictions
trafficpredic
- 讲述了基于神经网络的交通流预测方法，较一般传统的线性预测方法精度高-Described the traffic flow based on neural network forecasting method than conventional linear prediction method with high precision
kw
- 文献介绍了基于小波分析和kalman滤波的交通流量预测方法，应用组合模型进行预测，比单一模型较为精确-Literature describes the wavelet analysis and kalman filtering based on traffic forecasting methods, the application composition model to predict more accurate than a single model
CAintraffic
- 元胞自动机模型在公路交通流预测中的应用以及相关问题的有关论文-Cellular automata in highway traffic flow prediction and related problems in the application of the relevant papers
BP_TrafficFlow
- 采用神经网络 对交通流进行预测，MATLAB源程序-traffic flow
Parrecasting
- 混沌粒子群算法的神经网络短时交通流预测Particle swarm optimization based on chaotic neural network short-term traffic flow forecasting-Particle swarm optimization based on chaotic neural network short-term traffic flow forecasting
wavenetmain2
- 小波神经网络 基于交通流量的预测 具有很强的模型转换能力-Wavelet neural network traffic prediction based on model transformation has a strong ability to
five-kind-BP-for-traffic-prediction
- 采用五种不同的局部算法对BP网络进行改进，预测交通流量，根据不同的数据特征可以进行不同的选择-Using five different local networks to improve the BP algorithm to predict traffic flow, according to different data characteristics can be different choices
Wavelet-neural-network
- 该算法完整地描述了小波神经网络对交通流预测的过程-The algorithm is a complete descr iption of wavelet neural network in forecasting of traffic flow process
the-wavelet-neural-network
- 城市交通流的运行存在着高度的复杂性、时变性和随机性,实时准确的交通流预测是智能交通系统,特别是先进的交通管理系统与先进的出行者信息系统研究的关键. 基于交通流预测的特点,给出了基于遗传算法的小波神经 网络的交通预测模型GA-WNN ,用具有自然进化规律的遗传算法来对小波神经网络的连接权值和伸缩平移尺度进行前期优化训练,部分代替了小波框架神经网络中按单一梯度方向进行参数优化的梯度下降法,克服了单一梯度下降法易陷入局部极小和引起振荡效应等缺陷. 仿真实验验证了GA-WNN 预测模型对短时交通流的
arima
- ARIMA交通流预测程序，利用perms上的数据进行预测-ARIMA traffic flow prediction program
jiaotongl
- 历史交通流预测，采用matlab编程，预测效果很好-Historical traffic flow forecasting, using matlab programming, forecasting good results
YUANLP
- 源于谱分析的交通流预测，预测效果相当不错-From spectral analysis of traffic flow forecasting, prediction is quite good
ARIMA
- 基于ARIMA的交通流预测，预测效果相当不错 -Traffic Flow Prediction Based on ARIMA forecast is quite good
BP
- 通过分析交通流量时间序列的特点，引入BP神经网络进行短时交通流预测。首先，分析了短时交通流量预测的意义及研究背景；然后，介绍了BP神经网络的结构模型、学习规则以及BP算法的改进算法；最后，通过BP神经网络对短时交通流进行预测，并分析了在各种不同条件下的预测情况。-through the analysis of the characteristics of traffic flow time series, introduces BP neural network for short-term t
code
- 可以用于交通流预测 对比图 程序进行了改动(Can be used for traffic flow forecast comparison chart)
小波神经网络的时间序列预测-短时交通流量预测
- 本文采用小波神经网络进行交通流量预测，短时交通流量存在随机性和非线性因素，影响预测的准确性。传统预测模型难以反映交通流量变化特点，同时传统神经网络易陷入局部极小值，泛化能力差，交通流量预测精度低。为了提高短时交通流量预测精度，提出一种小波神经网络的短时交通流量预测模型。小波神经网络可以对短时交通流量随机性、不确定性进行局部分析，并进行非线性预测，验证了模型的有效性，进行了对比试验。验证结果表明，小波神经网络提高了短时交通流量预精度，预测结果更具应用价值。(In this paper, wavel
基于BP神经网络的小时、日交通流预测
- 基于BP神经网络对交通流的预测：包括了小时交通流预测和日交通流预测(Prediction of traffic flow based on BP neural network)