一种基于灰色ELM神经网络的短时交通流量预测的方法

摘要

本发明提出了一种基于灰色ELM神经网络的短时交通流量预测的方法，步骤：对采集到的数据进行分组，得到等维新息序列，然后进行累加，得到累加后的等维新息序列；对累加后的等维新息序列进行处理，得到网络的输入矩阵和目标输出矩阵；先随机生成网络的权值和阈值，设定好网络参数，将生成的网络的输入矩阵集和目标输出矩阵集输入神经网络，训练网络；输入测试数据，得到网络的预测输出结果；用网络预测结果减去等维新息序列的累加值，得到实际预测结果，完成预测。其有益效果是：本发明的输入数据经过了灰色模型的处理，其差异性更小，使得灰色ELM神经网络的预测精度有了很大程度的提高。