冥函数变换在短时交通流组合预测中应用.pdf

240 2013 ，49（16） Computer Engineering and Applications 计算机工程与应用 冥函数变换在短时交通流组合预测中的应用 1，2 1，2 3 1，2 李 宁 ，王晓东 ，侯俊峰 ，黄国勇 1 ，2 1 ，2 3 1 ，2 LI Ning , WANG Xiaodong , HOU Junfeng , HUANG Guoyong 1.昆明理工大学 信息工程与自动化学院，昆明 650500 2.云南省矿物管道输送工程技术研究中心，昆明 650500 3.中烟工业有限责任公司，河南 许昌 461000 1.Faculty of Information Engineering and Automation, Kunming University of Science and Technology, Kunming 650500, China 2.Engineering Research Center for Mineral Pipeline Transportation, Kunming 650500, China 3.China Tobacco Henan Industrial CO, LTD, Xuchang, Henan 461000, China LI Ning, WANG Xiaodong, HOU Junfeng, et al. Application of power function on short-term traffic flow prediction. Computer Engineering and Applications, 2013, 49（16）：240-243. Abstract ：Traffic flow is a non-linear time series with obvious noise. For this feature, a conversion method using power func - tion is proposed to the time series, after the transformation, the noise than the original signal will be a greater degree of compres- sion. And reduce the adverse effects of the predicted results. Use LS-SVM to compensation loop for the prediction of ARIMA. Use the inverse transform method to restore the signal output. The results show that the combination model based on the conver- sion of power function possesses satisfactory accuracy． Key words ：power function; Autoregressive Integrated Moving Average Model （ARIMA ）; Least Squares Support Vector Ma- chines（LS-SVM）; short-term traffic flow prediction 摘 要：实际交通流是一个明显含有噪声的非线性时间序列。针对这一特点提出对此时间序列进行冥函数变换，变换之 后的噪声会比原始信号的压缩程度更大，从而降低白噪声对预测结果的不利影响；利用最小二乘支持向量机（LS-SVM ）对 自回归求和滑动平均（ARIMA ）模型的预测结果进行循环补偿；通过冥函数反变换对输出结果进行相应的信号还原。实验 预测结果表明，经过冥函数变换后的组合预测模型具有较高的预测精度。 关键词：冥函数变换；自回归求和滑动平均模型（ARIMA ）；最小二乘支持向量机（LS-SVM ）；短时交通流预测 文献标志码：A 中图分类号：TP311 doi ：10.3778/j.issn.1002-8331.1112-0011 1 引言 模型并没有考虑