基于田口集成学习的最佳交通流量预测模型

作者：祁欣学; 覃锡忠; 贾振红; 常春; 樊树铭

来源：计算机工程与设计, 2019, (12): 3451-3456.

DOI：10.16208/j.issn1000-7024.2019.12.015

• 数据相关长度
• 网络结构
• 田口方法
• 集成学习
• 鲁棒性 data correlation length
• network structure
• Taguchi method
• ensemble learning
• robustness

针对预测准确性对数据相关性和网络结构极为敏感的问题,采用田口方法选择集成学习的结构参数,在保证学习多样性的同时,提高选择过程的效率,保证预测的准确性。实验仿真计算结果表明,在多个路段的交通流量数据集上,该方法皆取得了满意的预测效果,模型具有较好的鲁棒性。将仿真结果与其它算法进行比较,比较结果表明,相比传统ARIMA、MLP模型,其预测精度分别提高了4.51%、11.23%。

• 单位
  新疆大学; 中国移动通信集团新疆有限公司