基于改进遗传算法的短时交通流组合预测模型

摘要

针对城市交通流具有周期性、非线性等特征,提出一种短时交通流预测模型.该模型以BP神经网络、支持向量机(SVM)和ARIMA时间序列预测模型为基本模型,分别进行交通流预测,并通过对遗传算法算子的改进,对基本模型进行概率权重分配,寻找最优的分配结果,从而组合出具有高精度的预测模型.通过算例发现,组合预测模型的预测性能优于单个预测模型,预测误差较小,从而验证了基于改进遗传算法组合预测模型的有效性和正确性.