论文摘要
针对预测准确性对数据相关性和网络结构极为敏感的问题,采用田口方法选择集成学习的结构参数,在保证学习多样性的同时,提高选择过程的效率,保证预测的准确性。实验仿真计算结果表明,在多个路段的交通流量数据集上,该方法皆取得了满意的预测效果,模型具有较好的鲁棒性。将仿真结果与其它算法进行比较,比较结果表明,相比传统ARIMA、MLP模型,其预测精度分别提高了4.51%、11.23%。
论文目录
文章来源
类型: 期刊论文
作者: 祁欣学,覃锡忠,贾振红,常春,樊树铭
关键词: 数据相关长度,网络结构,田口方法,集成学习,鲁棒性
来源: 计算机工程与设计 2019年12期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 公路与水路运输,自动化技术
单位: 新疆大学信息科学与工程学院,中国移动通信集团新疆有限公司计划部
基金: 新疆维吾尔自治区自然科学基金项目(2018D01C047)
分类号: TP18;U491.14
DOI: 10.16208/j.issn1000-7024.2019.12.015
页码: 3451-3456
总页数: 6
文件大小: 1462K
下载量: 142