论文研究基于混沌的交通流量Volterra自适应预测模型.pdf

采用基于混沌动力系统的相空间重构和非线性系统的Volterra级数展开式，构建了交通流量的Volterra自适应预测模型。其基本思想是首先采用Lyapunov指数判定交通流时间序列存在混沌的前提下，对该时间序列进行相空间重构；然后选择Volterra级数构造非线性预测模型，并采用LMS类型的自适应算法来实时调整模型的系数。应用该模型对Lorenz、Rossler和交通流时间序列进行仿真研究。结果表明，提出的Volterra自适应预测模型能有效地预测低维混沌时间序列和交通流时间序列。