原文传递
基于小波优化GRU-ARMA模型的空中交通流量短时预测方法
| 题名： | 基于小波优化GRU-ARMA模型的空中交通流量短时预测方法 |
| 正文语种： | 中文 |
| 作者： | 闫少华;谢晓璇;张兆宁 |
| 作者单位： | 中国民航大学空中交通管理学院 |
| 关键词： | 智能交通;短时流量预测;小波优化;门控循环单元;移动自回归模型 |
| 摘要： | 空中交通流量短时预测是空中交通管理的基础，是有效缓解交通拥堵问题的前提。为提高空中交通流量短时预测的精度，减小空中交通管制员的工作压力，提出了基于小波优化GRU-ARMA的空中交通流量短时预测方法。在传统预测方法的基础上，通过小波变换对原始流量数据进行多尺度分解，提取不同频率交通流量的细节特征，对原始流量数据进行预处理。同时，根据小波变换，在低频处将频率细分作为趋势项，高频处将时间细分作为噪声项。其中，趋势项反映了空中交通流量随时间演化的整体趋势性，噪声项反映了随机因素对空中交通流量的综合影响。使用门控循环单元（GRU）神经网络模型预测趋势项，自回归滑动平均模型（ARMA）模型预测噪声项；将趋势项和噪声项的预测值叠加，得到最终的短时流量预测值。误差分析表明，该方法在每个预测点上的误差保持在2%左右，预测效果稳定；而直接采用原始流量数据进行预测的GRU、BiL-STM、CNN-LSTM神经网络模型及单一的ARMA模型，每个点的预测误差在5%～37.14%之间。与GRU、BiL-STM、CNN-LSTM神经网络模型相比，该模型的预测精度分别提高了3.02%，5.39%，5.05%。 |
| 期刊名称： | 交通信息安全 |
| 出版年： | 2022 |
| 期： | 04 |
| 页码： | 177-184 |
检索历史
应用推荐
