基于相空间重构和PSO-GPR的短时交通流预测.pdf
<h3>一、基本信息</h3><p>文档名称：基于相空间重构和PSO-GPR的短时交通流预测</p>
<p>文档格式：pdf格式</p>
<p>文档大小：0.92MB</p>
<p>总页数：7页</p>
</br>
<h3>二、简介</h3>
<p>《基于相空间重构和PSO-GPR的短时交通流预测》是一篇研究如何提高交通流预测精度的文章。该文结合相空间重构技术与高斯过程回归（GPR），利用粒子群优化算法（PSO）对GPR模型参数进行优化，从而提升预测性能。通过相空间重构，能够有效提取交通流数据中的动态特征，增强模型对非线性关系的拟合能力。实验结果表明，该方法在短时交通流预测任务中表现出较高的准确性和稳定性，为智能交通系统提供了有力的技术支持。</p>
</br>
<h3>三、预览</h3>
<img src="https://d.z3060.com/docthumbnail/202509/03/sst2ndmakzu.webp" title="基于相空间重构和PSO-GPR的短时交通流预测" alt="基于相空间重构和PSO-GPR的短时交通流预测">
页:
[1]