Print

基于田口集成学习的最佳交通流量预测模型

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

  • 0 引言
  • 1 基于田口方法设计的集成学习模型
  •   1.1 集成学习
  •   1.2 BP网络的L-M集成模型
  •   1.3 基于田口方法的组合设计
  • 2 实验
  •   2.1 数据描述
  •   2.2 各设计水平的介绍
  •   2.3 预测性能的评估
  • 3 结果分析
  • 4 结束语

    • 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

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/cfb0c8cf4e7c4e6189f19260.html