原文传递
基于GA、RBF和改进Cao方法的空中交通流预测方法
| 题名： | 基于GA、RBF和改进Cao方法的空中交通流预测方法 |
| 作者： | 王莉莉;赵云飞 |
| 关键词： | 航空运输管理;空中交通流量预测;混沌时间序列;改进Cao方法;径向基神经网络 |
| 摘要： | 针对传统空中交通流量预测方法精度不足、时效性差的问题，考虑空中交通流量时间序列的混沌特征，在相空间重构理论的基础上，研究了结合遗传算法（GA）、径向基（RBF）神经网络与改进Cao方法的空中交通流量预测方法。为降低传统Cao方法人为参数选择引入的误差，提高相空间重构精度，通过判定虚假邻近点，以及迭代比较嵌入维度离差和可接受偏差，确定重构相空间嵌入维度值的选择标准，进而得到重构后的空中交通流量时间序列数据；为提升径向基神经网络预测精度并降低参数误差，使用遗传算法优化RBF神经网络的中心矢量、加权系数和输出层阈值，再通过最优系数标定后的神经网络对重构后的时间序列进行预测；利用实际空中交通流量数据进行仿真以验证方法的有效性，并结合最大Lyapunov指数和预测结果分析了预测的时效性以及时间尺度对精度影响。结果显示：①改进后的预测方法具有更好的非线性拟合能力，提高了交通流量时间序列的预测精度；②以5 min时间间隔预测为例，相比传统RBF神经网络，改进方法的平均绝对误差、均方误差以及平均绝对百分比误差分别降低了19.44%、34.78%和27.21%；③相比反向传播（BP）神经网络和长短期记忆（LSTM）神经网络，所提方法的平均绝对误差分别降低了36.20%和16.10%，运行速度分别提高了27.42%和35.00%。综上所述，所提方法能更好地解析系统的混沌特性，提升空中交通流量预测精度与速度。 |
| 期刊名称： | 交通信息安全 |
| 出版年： | 2023 |
| 期： | 01 |
| 页码： | 115-123 |
检索历史
应用推荐
