论文部分内容阅读
基于混沌动力系统的相空间重构和非线性系统的Volterra级数,构建交通流的Volterra自适应预测模型。在应用小数据量法判定交通流存在混沌特性的前提下,分别用平均互信息法和虚假邻点法选取延滞时间和嵌入维数以实现对交通流时间序列的相空间重构。通过Volterra级数展开式建立非线性预测模型,采用LMS自适应算法实时调整模型的系数。以Volterra自适应预测模型对实际采集的高速公路交通流量时间序列及模拟产生的Chens和Duffing混沌时间序列进行仿真研究。结果表明,该模型能够较准确地预测交通流量时间