暂无评论
网络流量预测是网络管理的基础，网络流量受到多种因素影响，具有周期性、时变性和非线性，传统单一线性模型ARIMA或非线性模型SVM均难以准确描述网络流量复杂变化规律，为此，提出一种网络流量组合预测模型（
提出一种基于“先分-独立预测-再合”思想的新型交通流量预测模型. 其应用小波变换技术, 对交通流量数据 进行分解和重构, 将得到的低频概貌信号和高频细节信号, 分别用3 次平滑指数和ARIMA 进行拟
基于遗传算法径向基神经网络的交通流预测，楼旭伟，楼辉波，为提高径向基(RBF)神经网络预测模型对交通流预测的准确性，提出了一种基于遗传算法优化径向基神经网络的交通流预测方法。利用遗传�
一种基于小波神经网络的交通流量预测算法。该算法利用小波变换对原始交通数据进行预处理，并将处理后的数据输入到神经网络中进行学习和预测。通过对历史交通流量数据的分析和建模，该算法可以准确预测未来交通流量的
论文研究-交通流路线选择行为演化模型.pdf, 根据司机对不同路线的效用函数,本文建立了交通流路线选择行为演化模型,并利用Master方程对该模型进行了随机型描述.进一步地,对该模型进行了分支分析,揭
为有效预测船舶交通流量，利用非凸低秩稀疏分解模型将交通流量数据分解成低秩和稀疏两部分；然后采用自回归移动平均（autoregressiveintegratedmovingaverage，ARIMA）模
论文研究-基于K近邻非参数回归的短时交通流预测方法.pdf, 采用K近邻的非参数回归方法对短时交通流量进行了预测,考察了模型中关键因素对预测效果的影响.在4种不同状态向量和预测算法组合下的实验方法比
自己写的利用RBF神经网络做的短期交通流预测matlab源码
基于组合预测模型的考研形势预测(11).docx
为了提高了网络流量的预测精度，提出一种蚁群算法（ACO）优化最小二乘支持向量机（LSSVM）参数的网络流量预测算法（ACO-LSSVM）。将LSSVM算法参数作为蚂蚁的位置向量，采用动态随机抽取的方法
暂无评论