98、高精度预测方法与短期交通流量预测技术解析

高精度预测方法与短期交通流量预测技术解析

在预测领域，精准度一直是追求的目标。本文将介绍两种不同的预测方法，一种是结合ELMAN和SOM的高精度预测方法，另一种是用于不完整数据的短期交通流量预测的扩展贝叶斯网络方法。

结合ELMAN和SOM的高精度预测方法

组合人工神经网络预测原理

该方法利用SOM神经网络强大的分类能力和ELMAN神经网络强大的函数逼近能力。首先，通过SOM神经网络将样本数据分类到不同的簇中，每个簇遵循不同的规则，然后为每个簇训练一个ELMAN神经网络。对于待预测的样本，先使用SOM神经网络判断其所属的簇，再使用训练好的相关ELMAN神经网络进行预测。具体建模步骤如下：
1. 调查分析 ：分析样本的性质和影响因素，区分主要因素和次要因素。
2. 构建SOM网络 ：以样本序列的维度数作为输入节点数，输入层（竞争层）节点数不超过输入样本数，构成SOM神经网络。
3. SOM网络训练与优化 ：使用SOM神经网络对主要因素进行分类并训练网络，根据获胜样本的聚类中心数量确定分类数，减去远离聚类中心且输出近似为零的竞争层节点，减少竞争层节点数，重新训练直至收敛。
4. 建立ELMAN网络 ：建立ELMAN神经网络并初始化其权重值，ELMAN神经网络的输入层节点由训练成功的SOM神经网络的输出层节点组成，输出层节点数取决于预测需要输出的变量数。
5. 组合网络训练 ：将SOM神经网络的输出层与ELMAN神经网络的输入层连接，使用与SOM神经网络相同