典型文献
基于小波优化GRU-ARMA模型的空中交通流量短时预测方法
文献摘要：
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％.
文献关键词：
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
中图分类号：
作者姓名：
闫少华;谢晓璇;张兆宁
作者机构：
中国民航大学空中交通管理学院 天津300300
文献出处：
引用格式：
[1]闫少华;谢晓璇;张兆宁-.基于小波优化GRU-ARMA模型的空中交通流量短时预测方法)[J].交通信息与安全,2022(04):177-184
A类：
小波优化,短时流量预测,移动自回归模型
B类：
于小波,GRU,ARMA,空中交通流,交通流量,短时预测,空中交通管理,解交,交通拥堵,空中交通管制员,工作压力,传统预测,小波变换,流量数据,多尺度分解,不同频率,细节特征,分作,趋势项,时间演化,整体趋势,趋势性,随机因素,综合影响,门控循环单元,预测趋势,自回归滑动平均模型,误差分析,BiL,预测误差,智能交通
AB值：
0.201485
相似文献
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。
