交通流预测是交通智慧化的重要任务。为了提高短时交通流的预测精度,解决单一模型预测精度不足、易受噪声干扰等特点,提出了一种基于随机拓扑优化的提升回声状态网络(echo state networks, ESN)的预测方法。该方法以简单的回声状态网络...交通流预测是交通智慧化的重要任务。为了提高短时交通流的预测精度,解决单一模型预测精度不足、易受噪声干扰等特点,提出了一种基于随机拓扑优化的提升回声状态网络(echo state networks, ESN)的预测方法。该方法以简单的回声状态网络为基本构成单元,利用随机拓扑优化策略对回声状态网络的拓扑结构进行优化选择,然后利用基于误差补偿的提升算法提高整体模型的预测精度。通过对随机拓扑优化策略和提升算法在实际交通流预测问题中的性能分析,验证了所提方法的可行性和有效性,同时可为其他弱预测学习器的学习性能改进提供参考。展开更多
文摘交通流预测是交通智慧化的重要任务。为了提高短时交通流的预测精度,解决单一模型预测精度不足、易受噪声干扰等特点,提出了一种基于随机拓扑优化的提升回声状态网络(echo state networks, ESN)的预测方法。该方法以简单的回声状态网络为基本构成单元,利用随机拓扑优化策略对回声状态网络的拓扑结构进行优化选择,然后利用基于误差补偿的提升算法提高整体模型的预测精度。通过对随机拓扑优化策略和提升算法在实际交通流预测问题中的性能分析,验证了所提方法的可行性和有效性,同时可为其他弱预测学习器的学习性能改进提供参考。
