小波神经网络的时间序列预测——短时交通流量预测

资 源 简 介

时间序列是随时间改变而随机地变化的序列，时间预测序列是指用前面干各点的数据来预测当前和以后的数据。时间序列预测的方法在随机过程理论中一般采用线性模型进行预测，比如AR模型，MA模型，ARMA模型等，但是这些模型的建立中模型种类选择，阶数确定等需要人为确定，预测误差较大。小波理论是近年来新兴的一种数学方法，小波神经网络把小波方法和神经网络结合，可以用于时间序列预测问题。本案例采用小波神经网络预测交通流量，说明了该网络在时间序列预测中的有效性。

详 情 说 明

时间序列是随时间改变而随机地变化的序列，时间预测序列是指用前面干各点的数据来预测当前和以后的数据。时间序列预测的方法在随机过程理论中一般采用线性模型进行预测。线性模型建立时需要选择合适的模型种类，如AR模型、MA模型、ARMA模型等，以及确定合适的阶数。但是这些模型需要人为确定，预测误差较大，因此需要探索新的方法来提高时间序列预测的准确性。

近年来，小波理论作为一种新兴的数学方法，成为了研究时间序列预测的热点。小波神经网络是一种将小波方法和神经网络结合的新型预测方法，它可以更有效地解决时间序列预测问题。本案例采用小波神经网络预测交通流量，通过实验结果证明了该网络在时间序列预测中的有效性。除此之外，小波神经网络还可以应用于股票预测、气象预测等领域，具有广泛的应用前景。

综上所述，小波神经网络是一种新型的、有效的时间序列预测方法，它具有广泛的应用前景。