技术总结
本发明公开了一种基于融合的实时极限学习机短时交通流预测方法，针对短时非平稳交通流场景中的预测技术，基于短时交通流实时性、准确性、可靠性三大特征和融合的实时极限学习机来预测短时交通流。本发明提出的短时交通流预测方法，基于简化的单隐层前馈神经网络结构，能够在交通流峰值期快速的训练历史数据并能增量地更新到达的数据，在保证一定预测精度的同时节省学习时间。此外，采用融合机制保证了短时交通流预测的稳定性和鲁棒性。在数据缺失和波动剧烈时期进行重构，训练阶段时耗短，且预测结果的均方根误差、标准误差百分比均在置信区域内。
技术研发人员：王东;熊洁;肖竹;李晓鸿;
受保护的技术使用者：湖南大学;
技术研发日：2016.03.30
技术公布日：2016.07.13