论文部分内容阅读
实际交通流是一个明显含有噪声的非线性时间序列。针对这一特点提出对此时间序列进行冥函数变换,变换之后的噪声会比原始信号的压缩程度更大,从而降低白噪声对预测结果的不利影响;利用最小二乘支持向量机(LS-SVM)对自回归求和滑动平均(ARIMA)模型的预测结果进行循环补偿;通过冥函数反变换对输出结果进行相应的信号还原。实验预测结果表明,经过冥函数变换后的组合预测模型具有较高的预测精度。