排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
短时交通流预测模型 总被引:2,自引:0,他引:2
针对短时交通流变化周期性与随机性的特点, 提出了新的混合预测模型, 包含非参数回归模型与BP神经网络模型2种单项模型。非参数回归模型利用相关历史交通流数据, 通过数据库匹配操作, 确定预测结果, 以充分体现交通流的周期稳定性。采用3层BP神经网络模型反映交通流的动态与非线性特点。采用模糊控制算法确定各单项模型的权重, 并按不同权重有效组合成新的混合模型。采用西安市某路段30 d的交通流量数据验证混合模型的预测效果。试验结果表明: 该混合模型的平均相对误差为1.26%, 最大相对误差为3.53%, 其预测精度明显高于单项模型单独预测时的精度, 能较准确地反映交通流真实情况。 相似文献
3.
引入了主观信任评价及其期望概率的概念,通过统计方法评估船联网中各个节点的可信程度,结合KL距离计算节点的信誉度,从而建立了基于节点信誉度评价的数据融合信任模型.为避免影响融合的结果,模型在数据融合过程中保留信誉度较好的节点,摒弃低信誉的节点.模拟船联网网络结构进行仿真试验,分别采用4种不同的攻击方法对网络中部分节点进行攻击,试验分别按迭代100、200、300次进行.仿真结果表明:传统方法的数据融合准确率为78%,信任模型的数据融合准确率达到93%,结果更逼近真实数据,与传统方法相比有效提高了融合的准确性和可靠性. 相似文献
1