文献

J-GLOBAL ID：201702239780704518   整理番号：17A1284015

ウェーブレットニューラルネットワークにおける短時間交通流予測を最適化するために,最適化アルゴリズムを提案した。【JST・京大機械翻訳】

PREDICTION FOR SHORT-TERM TRAFFIC FLOW BASED ON WAVELET NEURAL NETWORK OPTIMISED BY CUCKOO SEARCH ALGORITHM

著者 (2件)： Huang Xiaohui (西南交通大学信息科学与技術学院 四川 成都 611756) ,  Zhang Cuifang (西南交通大学信息科学与技術学院 四川 成都 611756)
資料名： Jisuanji Yingyong Yuruanjian  (Jisuanji Yingyong Yuruanjian)
巻： 34  号： 3  ページ： 238-242  発行年： 2017年 
JST資料番号： C2940A  ISSN： 1000-386X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 短時間交通流の予測精度が十分に高くないという問題を解決するために,本論文では,ウェーブレットニューラルネットワーク(CS-WNN)に基づく短時間交通流予測モデルを提案した。まず第一に,ウェーブレット変換を用いてデータをノイズ除去し,正規化処理を行い,次に,自己相関法を用いてカオス的特性を持つ短時間交通流を再構成し,交通流データを訓練データセットと試験データセットに分割し,ウェーブレットニューラルネットワークのパラメータを最適化した。最適化されたウェーブレットニューラルネットワークモデルを訓練データセットによって訓練することによって,最適化されたウェーブレットニューラルネットワークモデルを得た。最後に,試験データセットのデータを用いて,CS-WNNモデルの有効性を検証した。シミュレーション結果は,いくつかの主流の最適化予測モデルと比較して,CS-WNNが短いとき,交通流予測モデルがより高い予測精度を有することを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 自己相関 ,  *最適化 ,  ウェーブレット変換 ,  カオス ,  雑音低減 ,  *交通流 ,  再構成 ,  シミュレーション ,  正規化 ,  *予測 ,  予測モデル
準シソーラス用語： 訓練データ ,  予測精度 ,  *最適アルゴリズム ,  *ウェーブレットニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： Short-term traffic flow ,  Complex self-correlation ,  Cuckoo search algorithm ,  Wavelet neural network

分類 (2件)： 人工知能  (JE08000Z) ,  交通調査  (TB01031B)

タイトルに関連する用語 (6件)： ウェーブレットニューラルネットワーク ,  交通流 ,  予測 ,  最適化 ,  最適化アルゴリズム ,  提案