基于GRNN并融合卡尔曼滤波实现短时交通流预测  

作　　者：陈丹 徐健锐[2] 

机构地区：[1]镇江市江滨中学,江苏镇江212002 [2]镇江机电高等职业技术学校,江苏镇江212016

出　　处：《软件导刊》2012年第8期23-25,共3页Software Guide

摘　　要：针对卡尔曼滤波应用需要构建精确数学模型的局限,提出将广义回归神经网络与卡尔曼滤波相融合,并将其用于短时交通流预测。这种融合后的新方法利用了GRNN良好的非线性映射能力,能对实际系统进行系统辨识,并获得符合预测要求的系统状态方程。深圳市实际流量数据的验证表明,这种方法在简化系统数学建模的同时,也能达到较高的预测精度,从而证实了这种方法的可行性和有效性。

关 键 词：交通流 广义回归神经网络 卡尔曼滤波 短时预测 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]