城市道路短时交通流预测模型优化探讨

别作了讨论，并根据这些特性，将数据集进行了分类，以便模型的学习和实验的便捷，为后续模型的选择建立数据基础。根据数据特性的讨论，本文分别使用的小波降噪和相空间重构技术，对数据进行预处理。此外，还纳入集成经验模态分解技术，将其作了简要介绍。最后对以上三个方法的参数的选择进行了解释说明。

（3）讨论了预测步长的种类，并进行了实验结果对比，选择了单步预测。将所选取的预测模型 BP 神经网络进行优化，使用遗传算法优化了其权值和阈值，最终结合数据预处理方案形成了 WD-PSR-GA-BP 模型。

（4）实验结果对比。将所提模型分别与单一预测模型（RBF 和 RF）、组合预测模型（GA-BP、PSR-GA-BP、EEMD-GA-BP）进行了实验比对，并对指标结果进行分析。

参考文献（略）