基于完全自适应噪声集合经验模态分解的短时交通流组合预测

打开文本图片集

摘  要：为了提高短时交通流预测的准确性，鉴于短时交通流非平稳、难预测的特征，提出了基于完全自适应噪声集合经验模态分解（CEEMDAN）短时交通流组合预测方法。利用CEEMDAN将原始短时交通流信号进行分解得多个复杂度、频率不同的时间序列分量，利用排列熵算法（PE算法）计算各分量的复杂度；然后根据复杂度和随机性的不同分为高频和低频，分别使用ATT-TCN-BIGRU模型和ARIMA模型对高频分量和低频分量进行预测，最后叠加高频和低频的每个分量预测结果作为最终短时交通流预测值。（剩余11251字）