基于極限學(xué)習(xí)機(jī)的短期交通流預(yù)測(cè)混合優(yōu)化模型

摘要： 交通流的動(dòng)態(tài)性、不確定性和非線性等特性導(dǎo)致交通流難以精確預(yù)測(cè)，本文在極限學(xué)習(xí)機(jī)(Extreme Learning Machine, ELM)的基礎(chǔ)上，通過(guò)嵌入原子搜索算法(Atom Search Optimization,ASO)，構(gòu)建ASO-ELM短期交通流預(yù)測(cè)混合優(yōu)化模型，對(duì)比現(xiàn)有短期交通流預(yù)測(cè)模型，分析混合優(yōu)化模型在短期交通流預(yù)測(cè)領(lǐng)域的表現(xiàn)。實(shí)驗(yàn)選取荷蘭阿姆斯特丹市A10... （共9頁(yè)）