利用小波神经网络进行短时交通流量预测案例

小波神经网络程序程序；包括各种常用的母小波、有很多参考价值！！！

用于小波神经网络MATLAB程序模拟，建议初学者好好看看有一定作用

本文通过基于BP神经网络和小波神经网络的方法，对太阳辐射强度进行了预测研究。通过收集和分析大量的太阳辐射数据，我们构建了一个能够准确预测太阳辐射强度的神经网络模型。实验结果表明，该模型的预测准确率达到

针对混合交通流中车辆类型的不确定性和随机性，导致了直接对总车流量进行预测时难以获得较高的预测精度问题，提出一种分车型的流量预测方法。依据各种车型的车流量变化规律不同的特点，选用改进的时间序列算法对大型

采用提升小波方法构造出一种满足双正交的小波函数，并将这种小波函数作为支持向量机的核函数;此外，用线性规划问题来代替二次规划问题及稀疏正则化，本质上确保了解的稀疏性。基于提升小波构造出提升小波支持向量机

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

基于Kalman滤波的城市环路交通流短时预测研究，王均，关伟，本文针对交通流短时预测方法进行研究，在介绍了现有的主要交通流预测方法的基础上，阐述了基于卡尔曼滤波的预测模型及其具体算法

最后，选取成都绕城高速外环Ｋ６６＋８５０、Ｋ６７＋９８５两个 监控点位的车牌识别数据，Ｗ５ｍｍ为时间间隔进行交通流参数短时预测，并同实际检 测数据进行了对比，证明了基于车牌识别数据进行交通流

通过在目标路口构建贝叶斯交通网（BNs），并对与此交通网相关的交通流建立非平稳季节（SARIMA）模型，采用最小二乘法（OLS）取得相应模型的最佳权重组合，对缺失数据下的城市道路短时交通流进行预测。使

时间序列预测是数据中心关键性能指标异常检测的重要环节。针对时间序列,利用小波基函数作为隐含层节点传递函数来构造小波神经网络进行预测;同时选取动量梯度下降法提高神经网络学习效率;再根据粒子群算法训练得到