论文研究基于数据挖掘的交通流预测模型.pdf

基于数据挖掘的短时交通流预测模型及应用研究

交通BP网络实现，用于预测交通流，实现高级高效预测

为提高短时交通流预测模型精度，分析了GM(1，1)模型和灰色Verhulst模型的特点，发现GM(1，1)模型适用于具有较强指数规律的序列，只能描述单调的变化过程，而Verhulst模型则适用于非单调

针对城市道路交通拥堵预警问题，提出了一种基于深度学习的预测模型。通过归纳合并交通流参数、环境状态、时段等基础数据来构建交通流特征向量并确定四种预测状态。采用深度学习的自编码网络方法从无标签数据集中学习

针对现有预测方法未能充分揭示交通流内部的本质规律，提出了一种基于深度学习的短时交通流预测方法。该方法结合深度信念网路模型（DBN）与支持向量回归分类器（SVR）作为预测模型，利用差分去除交通流数据的趋

采用基于混沌动力系统的相空间重构和非线性系统的Volterra级数展开式，构建了交通流量的Volterra自适应预测模型。其基本思想是首先采用Lyapunov指数判定交通流时间序列存在混沌的前提下，对

论文研究-短时交通流预测FSMSVR模型.pdf, 针对城市道路短时交通流的复杂非线性特点和以往的预测仅考虑典型交通条件（无交通事故等突发事件）的现状，结合交通流的特征，提出了一种有限状态机支持向量回

论文研究-短时交通流量智能组合预测模型及应用.pdf,  提出了一种新的短时交通流量智能组合预测模型.该智能组合模型包含三个子模型:卡尔曼滤波模型、人工神经网络模型和模糊综合模型.卡尔曼滤波模型利用卡

针对基于智能算法的组合预测模型算法复杂、计算周期较长等问题,将信息熵理论应用于交通流量预测,利用客观数据所包含的隐藏信息,建立基于熵权法的变权重组合预测模型。以具体某路段的交通流量为基础数据,分别用基

本文以教务管理信息系统中选课预测子系统为背景,将预测模型应用到实际中,在对数据库中历史选课记录分析的基础上,对未来选课趋势进行预测。对历史选课数据进行预处理,提取出满足条件的记录组成数据挖掘数据库。根

基于灰关联与少数据云推理的短时交通流预测模型,杨锦伟,肖新平,针对短时交通流所存在的不确定性即模糊性与随机性特点和准周期规律,提出基于灰色关联分析和少数据云推理的短时交通流预测模型。

为了提高船舶交通流预测的效率和准确率,分析了船舶流量预测中的影响因素多、非线性、随机性等问题,建立了ELM(极限学习机)预测模型。同时为了避免极限学习机算法受输入权值矩阵和隐含层偏差随机性的影响,算法

针对船舶交通流预测中存在复杂性、非线性、受限因素多等特点,运用果蝇优化算法,建立了优化的广义回归神经网络船舶交通流预测模型。通过利用果蝇优化算法的全局寻优特性对广义回归神经网络进行参数优化,从而实现对

基于数据挖掘的交通流预测模型2022修订版综合文献中的一节ppt课程2022年修订版本

市财政收入的分析和预测一直是经济研究的热点之一。本研究以数据挖掘技术为工具，致力于构建市财政收入分析预测模型，以提高预测的准确性和科学性。通过收集大量的市财政数据，我们运用数据挖掘算法进行深入分析，揭