论文部分内容阅读
在混沌时间序列的加权一阶局域预测中,邻近点的选取通常采用欧氏距离法,但是对高嵌入维的时间序刮进行相空间重构后,仅利用欧氏距离不能准确反映相点间的相似性大小。本文在对交通流量时间序例进行相空间重构后,提出了一种改进预测模型,该模型同时考虑相点间的欧氏距离和相似性大小来确定邻近点权重,并对未来时段的交通流量进行了多步预测。实际案例的预测结果表明,改进方法比一般方法具有要好的适应能力和预测精度。