基于SVM与神经网络组合模型的短时交通流预测研究

打开文本图片集

摘要：为提高短时交通流预测的数据拟合能力，提出基于支持向量机（SVM）与神经网络的组合预测模型SVM-BPNN、SVM-RBFNN。结合实际道路的短时交通流数据，将组合模型与其他典型预测方法实验对比。结果表明，本文提出的组合模型SVM-RBFNN预测精度更高，在短时交通流量预测方面具有明显优势。

关键词：短时交通流;神经网络;支持向量机

中图分类号：TP311      文献标识码：A

文章编号：1009-3044（2022）17-0006-03

短时交通流预测常用方法有历史平均、神经网络、深度学习、回归分析等[1]，但因交通流影响因素复杂，近年来，组合预测模型成为短时交通流预测的研究热点。（剩余4581字）