典型文献
参数在线调整的ARBF-NN车速预测方法研究
文献摘要：
提出了一种基于参数自适应调整的在线径向基函数神经网络(adaptive radial basis function neural network,ARBF-NN)的车速预测方法,实现车速高精度预测.首先,基于车速采集系统获得实际工况车速数据,采用滑动时间窗口方法对车速数据进行样本化处理,建立预测模型训练样本库.其次,在分析输入层神经元数目和基函数标准差对RBF-NN车速预测精度影响的基础上,结合赤池信息准则对结构参数进行在线调整;最后,提出基于ARBF-NN的车速在线预测方法,实现了基于自车历史数据的车速高精度在线预测.仿真结果表明:所提出的ARBF-NN车速预测方法具有较高精度,相比于BP-NN精度提高53.36％,相比于RBF-NN精度提高54.47％,可为电动汽车车辆能量管理提供参考.
文献关键词：
车速预测;自适应径向基函数神经网络;参数调整;滑动时间窗口;赤池信息准则
中图分类号：
作者姓名：
史立峰;马彬;郭兴;姜文龙
作者机构：
北京信息科技大学 机电学院,北京 100192;新能源汽车北京实验室,北京 100192;北京电动车辆协同创新中心,北京 100192;中国人民公安大学 交通管理学院,北京 100038
文献出处：
引用格式：
[1]史立峰;马彬;郭兴;姜文龙-.参数在线调整的ARBF-NN车速预测方法研究)[J].重庆理工大学学报,2022(11):31-39
A类：
ARBF,车速预测方法,输入层神经元,自适应径向基函数神经网络
B类：
在线调整,NN,参数自适应,自适应调整,adaptive,radial,basis,function,neural,network,精度预测,采集系统,实际工况,滑动时间窗口,模型训练,训练样本,样本库,精度影响,赤池信息准则,在线预测,历史数据,电动汽车,车车,能量管理,参数调整
AB值：
0.207608
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
