交通流量VNNTF神经网络模型及其预测研究
研究了VNNTF神经网络交通流量混沌时间序列预测的问题.首先,通过混沌理论提取了交通流量时间序列的混沌特征,并在此基础上建立了VNNTF神经网络交通流量时间序列模型;接着,阐述了VNNTF神经网络学习算法原理,设计了交通流量Voherra神经网络的学习算法快速学习算法;最后利用交通流量混沌时间序列对VNNTF网络模型、Voherra预测滤波器和BP神经网络进行了单步预测,并对预测结果的仿真图和真实值与预测值的方均根进行了比较,结果表明基于混沌学习算法的VNNTF神经网络的预测性能明显优于Volterra预测滤波器和BP神经网络.
混沌理论 相空间重构 时间序列预测 神经网络算法
殷礼胜 鲁照权 董学平
合肥工业大学,电气与自动化工程学院,合肥,230009
国内会议
杭州
中文
721-725
2010-08-07（万方平台首次上网日期，不代表论文的发表时间）