基于小波神经网络的电梯交通流预测  

Elevator Traffic Flow Prediction Based on Wavelet Neural Networks

作　　者：黄敏[1] 崔宝同[1] 顾树生[2] 

机构地区：[1]江南大学控制科学与工程研究中心,江苏无锡214122 [2]东北大学信息科学与工程学院,沈阳110004

出　　处：《控制与决策》2006年第5期589-592,共4页Control and Decision

基　　金：国家自然科学基金项目(60274024)

摘　　要：小波神经网络随着输入维数的增加,网络参数将呈指数倍增加,导致收敛速度下降.在研究统计学理论的基础上,提出了以结构风险最小化为目标的训练方法.该方法最大限度地保证了网络的泛化能力.将该网络应用于电梯交通流的预测,得到了比传统BP神经网络更优的效果.The number of parameters of wavelet neural networks （WNN） increases by exponential form with input dimension and the convergence speed decreases. An algorithm is presented through using structural risk minimization （SRM） based on statistical learning theory. The novel algorithm can ensure great probability for global optimization. WNN based on SRM is also used to solve the problem of traffic flow prediction of elevator system, more optimal results than typical BP network are obtained.

关 键 词：小波神经网络 统计学习理论 结构风险最小化 电梯交通流 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]