基于混沌的交通流量Volterra自适应预测模型

摘要

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.