《表3 历史数据示例：基于时间序列与BP-ANN的短时交通流速度预测模型研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于时间序列与BP-ANN的短时交通流速度预测模型研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

4)模型检验评估模型是否能很好地表示时间序列，应用了模型检验方法。该模型对残差序列进行相关性和偏自相关性检验，如果模型与时间序列很好地拟合，则残差部分表现为白噪声序列。图4（a）计算残差序列的ACF和PACF值，根据滞后的阶数确定残差序列已为白噪声序列。图4（b）显示了模型预测值与实际值拟合效果，可以看出，在进入早高峰期时，拟合效果明显降低，猜测是复杂的交通状况引起交通流速度的急剧变化，从而使模型的拟合性能下降。重复以上步骤，时序数据V2（t）采用ARIMA（2，1，2）模型。